使用过DDPG和SAC，但都是开始训练之后reward在初始reward上下的振荡，总体上一直在原地踏步，而且大不如随机action。修改lr和batchsize都没用，有大佬知道改如何修改吗。
之前尝试过离散化action的输出，很有效果。
magata
认真看看这几篇博客吧，说不定有帮助
实验室 推荐内容： http://www.deeprlhub.com/d/98-john-schulmandeeprl
强化学习调参经验集成： https://zhuanlan.zhihu.com/p/434495366
如何选择深度强化学习算法？MuZero/SAC/PPO/TD3/DDPG/DQN/等（2021-04） https://zhuanlan.zhihu.com/p/342919579
以及(John Schulman) - Nuts and bolts of deep RL research（非常推荐）
如果一次都没成功过，可能是代码实现的问题。
