强化学习--DeepQnetwork 的一些改进

        Double DQN   算Q值 与选Q值是分开的，2个网络。         Multi-step         Dueling DQN       如果更新了，即使有的action没有被采样到，也会更新Q值     Prioritized Reply  Noisy Net Epsilon Greedy 存在的问题是在一局游戏中， 即使是同一个agent也有可能坐车不不同的选择

>>阅读原文<<