《表4 求解迭代总次数比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《采用DDPG的双足机器人自学习步态规划方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图8为两种算法每平均100回合中所取得平均累积奖励曲线对比，累积奖励越高，代表机器人按照期待的目标选出来更优的动作。从图上看来，两条曲线都呈递增趋势，且当训练回合超过某一定值后，均趋于稳定。但是比较表4数据，DDPG算法用了4 323回合到达最大累积奖励，而改进后的DDPG算法迭代2 037次即到达最大累积奖励，比前者提升了45.7%。可见，RBF改进后的DDPG算法具有更高的效率。