dhp技术

双重启发式规划(DHP)

DHP是一种估计代价函数梯度的方法，而不是代价J本身。为此，需要一个函数来描述瞬时代价函数相对于系统状态的梯度。在DHP的网络结构中，action网络和HDP的作用相同，都是生成控制信号，但是Critic网络不同，生成代价函数相对于状态的梯度。