dqn，deep q network, 是融合了q-learning和神經網路的方法
使用q-table這樣乙個**來儲存state和action的q值，在複雜的情境下，狀態可以多到比天上的星星還要多，如果全用**來儲存，計算機是儲存不下的。並且在如此巨大的**中搜尋對應狀態也是一種很耗時的事情
不過神經網路對這類事情很在行，我們將狀態和動作當作神經網路的輸入值，經過神經網路分析後，得到動作的q值，這樣我們就不需要用**記錄q值了
我們也可以只輸入狀態值，輸出所有的動作值，然後按照q-learning的原則，直接選擇最大值的動作作為下乙個動作
那在強化學習中，神經網路是如何被訓練的呢
記憶庫②fixed q-targets
深度強化學習 （三）DQN
強化學習是乙個馬爾科夫決策過程,它的目標是追求累計回報最大化max,值函式v s 是對狀態s能獲得的累計回報的估計,也就是v s e gt st s 根據貝爾曼方程v st 與v st 1 的關係為 v st e rt 1 r v st 1 st s 引入動作後有動作 值函式 q st,at q s...
深度強化學習 二
強化學習和深度學習有什麼關係？深度學習參與的強化學習與傳統的強化學習有何不同？為什麼要引入深度學習？強化學習的過程中，處理的是狀態，實際上，很多時候狀態是連續的 複雜的 高階的。因此，求助於深度學習。深度學習善於處理高維資料，並快速地從中抽取模式。比如在影象處理中，用畫素的集合體來表示完整的影象。這...
強化學習 DQN 演算法改進
dueling dqn 是一種基於 dqn 的改進演算法。主要突破點 利用模型結構將值函式表示成更加細緻的形式，這使得模型能夠擁有更好的表現。下面給出公式，並定義乙個新的變數 q s t,a t v s t a s t,a t 也就是說，基於狀態和行動的值函式 q 可以分解成基於狀態的值函式 v 和...