【RL】DQN及其各种优化算法

上一篇博文的末尾，我们介绍了传统QLearning的劣势——那就是需要维护一个Q表，而对于很多状态，连续动作的情况，我们Q表的大小将会爆炸性地增长。我们微小的内存必然存不下这么大的Q表。所以我们要转换我们的思路。 其实，Q表在之前的QLearning中，只是扮演了一个函数的角色——这句话怎么理解？给定动作和状态，他会给你返回一个价值。 所以我们为什么不直接建立一个函数呢? 这样我们既可以完成Q表的

>>阅读原文<<