1 一言以蔽之

• （1） DPG是属于确定性策略梯度算法
• （2）用于解决连续动作空间问题

2 优点和缺点

• 2.1 优点
• （1）从理论上可以证明，deterministic policy的梯度就是Q函数梯度的期望，这使得deterministic方法在计算上比stochastic方法更高效；
• 2.2 缺点
• （1）对于每个state，下一步的action是确定的。这就导致只能做exploitation而不能做exploration。这可能也是为什么policy gradient一开始就采用stochastic算法的原因。

3 核心理论

• （1）策略梯度是Q对动作参数${\theta }^{\mu }$进行求导。
  
  
  参考链接