前言:
本文算是个人笔记，如有不足或需要讨论的，欢迎交流，邮箱即QQ。
有大佬知道如何搭网络的（如多少层和每层多少个神经元等参数怎么调），求请教。。
封面：
了解DQN必须从Q-learning讲起。不过先说明一点，不论是DQN还是Qlearnging 都是基于值的方法，至于基于值和基于策略的区别，我打算放在最后末尾。（因为这不是我要讲的重点）
Q-learning简单介绍：
一言蔽之，以选取未来奖励（值）最大的动作为agent决策方法。
但值是以表格的形式给出（比如总列为状态，横列为动作），需要经过一定训练才能反映出准确的未来奖励，所以一般会设某个大小为ε的值作为随机选取的概率。
new4.jpg
