为什么用DQN而不是PPO，两者有什么区别？

Question

Accepted Answer

考察点：考察强化学习算法选型与适用场景的辨析能力。回答思路：点明DQN与PPO分属值函数与策略梯度两大范式 说明DQN适合离散动作空间、样本效率高但不稳定 说明PPO适合连续动作空间、训练稳定但样本效率低 结合实际任务特性（动作空间、样本成本、收敛稳定性）论证选型

考察说明