详解DDPG算法：解决对大量的超参数、随机重启、任务环境敏感问题，完成月球着陆器，双足机器人demo、以及超参数调优教学

0.demo展示

当我复现强化学习算法 DDPG 时，我发现论文中缺少必要的实现细节，例如：Gamma、噪声方差、最大训练步数等参数的取值。此外，在我调整参数，成功完成某次训练后，当我对随机种子进行修改，发现训练时长有很大变化，甚至有时候无法完成训练。更别提把在某个任务上 work 的代码换到相似任务上的艰辛历程了。

如果你被这些问题困扰，那么你可能需要这份代码。由于我找不到符合我要求的轮子（2019-08），所以我只能自己造了，我认为这份代码解决了以上问题，符合以下要求：

• 算法适用性广，适用于不同的任务（即便不做修改，也能完成不同的 Gym 的游戏）
• 算法比较简单，代码可读性强（若某个结构加入后对性能提升小，那么删去此结构）
• 算法训练时间短，训练稳定（训练时间不超过 1 小时，即使更换 RandomSeed）

通关双足机器人硬核版 (BipedalWalkerHardcore-v3), 训练比较快（旧记录是 10,000 + 轮） 使用 IntelAC 算法&#