實戰深度強化學習DQN-理論和實踐

本文來自雲棲社區官方釘羣「Python技術進階」，瞭解相關信息可以關注「Python技術進階」。 1、Q-learning回顧 Q-learning 的 算法過程如下圖所示： 在Q-learning中，我們維護一張Q值表，表的維數爲：狀態數S * 動作數A，表中每個數代表在當前狀態S下可以採用動作A可以獲得的未來收益的折現和。我們不斷的迭代我們的Q值表使其最終收斂，然後根據Q值表我們就可以在每個狀

>>阅读原文<<