强化学习DDPG 算法训练过程中总是选择边界动作是什么原因造成的？

“边界动作”，一般是指动作取自己变化区间的两个端点值。

主要原因依次有：(1)奖励函数设置的不当，应设置“动作取【区间中点】获得较大奖励”。(2)在奖励函数设置无突出问题条件下，初始状态或说初始观测值设置在“动作变化区间【中点】，状态变量变化区间【中点】”。(3)艾普西隆-贪婪策略的概率阈值---艾普西隆取很小的正数，使其减少随机探索动作。