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）