使用DDPG算法，env文件自己写的，代码可以运行，但是训练到最后actor总是选择action_space的边界，这可能是哪些原因造成的？
之前使用DQN算法的时候，也出现了这种现象，当时是两层的网络，隐含层节点也比较少，后来增加了层数和隐含层节点数，结果有变化，但也不是好的或者说没有选择正确的动作，所以怀疑是不是因为DQN对动作空间离散化粒度太小造成的，现在换成了DDPG，想着不对动作空间进行离散化，直接使用连续动作空间会好一些，结果总是选择边界值（action_bound.high），看一些帖子说调参，也进行了尝试，发现没有多大改善。
另外，由于动作空间的上下限并不是对称的，所以尝试修改了输出层的激活函数，原来为tf.nn.tanh，修改为tf.nn.relu有些变化，但是结果也不正确。
请大神不吝赐教，拜谢。
目前好像得到了解决，主要就是两点：
1、网络的输入输出都是归一化之后的，buffer里的{s,a,r,s_}都是同一个数量级的，
2、修改reward能指导网络正确选择动作进行输出
以上解决方案，仅供参考。
我也想知道这个问题,怎么解决啊!!!
我的一开始就一直只选择一个动作，求教有知道为什么的吗？
有点奇怪，我也是，相同的状态空间，奖励，dqn都能很快收敛，ddpg输出边界值来回打转