项目使用DDPG算法和Keras对TORCS赛车模拟平台进行训练，以达到最优路径和最短时间的训练效果。 DDPG：其主要结合改进了以下三种算法或框架： · DPG（Deterministic Policy Gradient）确定性策略梯度算法 · DQN（Deep Q-Network）深度Q网络 · AC（Actor-Critic）随机离线策略 Actor−Critic框架 DDPG可以看成是DQN的扩展版 ，不同的是，以往的DQN在最终输出的是一个动作向量，对于DDPG是最终确定地只输出一个动作。而且，DDPG让DQN可以扩展到连续的动作空间。 可以用来作为强化学习、机器学习、深度学习课设。

一、产品简介 该平台旨在借助公众的力量，对全国各地的空气质量进行监督，并通过专业的网格员进行测量和数据上报，最终为决策者提供科学的数据支持。通过该平台的建设，应急响应过程中领导和专家的决策将获得更多的信息支持和更为便利的操作手段，从而将应急响应的效率和处置的精准度大幅提高，最大限度地降低环境突发事件的影响。 二、产品相关技术 Mybatis、SpringCloud、Linux、Nacos、Redis、Seate、Vue CLI、Ajax、JWT等。 三、产品功能 · 公众监督员端：上传空气质量监督信息、查看历史监督信息列表及详情、个人信息的查看与修改、网页端与*端适配以及Linux搭载。 · 网格员端：查看被指派检测任务列表、上传网格检测任务数据、查看已完成任务列表及详情、个人信息的查看、网页端与*端适配以及Linux搭载。 · 管理员端：查看公众监督员与网格员的监督和处理列表及详情、进行监督任务的指派、对省市等多级数据进行统计与筛选、网页端适配以及Linux搭载。 · 数据大屏：数据汇总与分析、动态地图显示地区空气质量情况、省市等多级数据的统计与筛选、多种污染气体的覆盖情况及污染程度统计、网页端适配以及Linux搭载。