ddpg算法優缺點

ddpg算法優點:是sample efficiency，DDPG的actor crtic均可以off-policy，而gradient estimator由於deterministic policy也確實是無偏的，是可以continuous control。DPG的actor是通過SGD去解max-Q的(而不是遍歷)，所以也能做continuous control。

缺點:第一點是deterministic policy，意味着不能很好的explore state Action space。