深度学习算法 Q-learning 原理

Q-learning Q-learning 是 value-based 的方法，在这种方法中我们不是要训练一个 policy，而是要训练一个critic网络。critic 并不直接采取行为，只是对现有的 actor ，评价它的好坏。 Value-Fuction critic 给出了一个 value function ，代表在遇到游戏的某个 state 后，采取策略为的actor  一直玩到游戏结束

>>阅读原文<<