ddpg算法优缺点

ddpg算法优点:是sample efficiency，DDPG的actor crtic均可以off-policy，而gradient estimator由于deterministic policy也确实是无偏的，是可以continuous control。DPG的actor是通过SGD去解max-Q的(而不是遍历)，所以也能做continuous control。

缺点:第一点是deterministic policy，意味着不能很好的explore state Action space。