DQN从入门到放弃学习总结（2）

1、动作价值函数： 每个状态对应多种动作，我们考率在某个状态下执行不同动作所获得的价值，通过其大小，便可选择价值最大的来执行。Action-Value function：。同样，也是用reward来表示，但是此处reward是执行动作以后获得的，之前state对应的reward则是多种动作对应的reward的期望。 动作-价值函数表示如下： 此处包含策略，即在策略下的动作价值。因为对于每一个动作，

>>阅读原文<<