深度强化学习Trick：动作标准化

策略梯度Policy Gradient类的算法，如DDPG等，可以处理连续动作空间continuous action space。当我们编程实现时，简单的动作标准化可能会大大改善算法的性能。

Action Normalization

策略网络Policy Network的输出采用tanh，也就是

假设动作存在上下界

那么通过初级数学可以得到