我正在尝试训练DDPG深层RL代理以控制电力系统的稳定性。 代理的输出与预期值有很大的偏移，并且无论情节数目如何，它永远都不会学会单独获得这些值。
我该怎么办？
jscj4567 回答：训练期间，深层RL代理输出已偏离预期值
暂时没有好的解决方案，如果你有好的解决方案，请发邮件至：iooj@foxmail.com
我正在尝试训练DDPG深层RL代理以控制电力系统的稳定性。 代理的输出与预期值有很大的偏移，并且无论情节数目如何，它永远都不会学会单独获得这些值。
我该怎么办？