DQN（Deep Q-learning）入門教程（零）之教程介紹

簡介

DQN入門系列地址:https://www.cnblogs.com/xiaohuiduan/category/1770037.html

原本呢，在上一個系列數據挖掘入門系列博客中，我是準備寫數據挖掘的教程，而後不知怎麼滴，博客越寫越偏，寫到了神經網絡，深度學習去了。在我寫完數據挖掘博客以後，我又不知道在哪裏（YouTube or B站殺我）看到了有人使用CNN網絡玩飛翔的小鳥（Flappy Bird）的遊戲，當時我以爲，emm，居然使用CNN就能夠玩遊戲，有意思，能夠一試，而後發現，要用到DQN，再而後，又發現其是強化學習的知識，而後，就入坑了。

別人的學習流程是強化學習——>Q-learning——>DQN——>🐦Fly，我學習流程TM是 🐦Fly——>CNN——>DQN——>Q-learning——>強化學習

固然，本教程仍是會按照"強化學習——>Q-learning——>DQN——>🐦Fly"的流程來，否則反着來誰受得了。

至於爲何教程名叫作DQN入門教程而不是強化學習入門博客，是由於該系列側重點不是強化學習，而是DQN。所以，一切的目標都是朝着DQN向前。

教程目標

該系列博客仍然定位爲入門博客，所以不會涉及詳細對強化學習的各個方面都進行介紹，可是不會影響從入門到入土的連貫性。至於爲何定位爲入門博客：1. 博主本身也是剛學，而且也不是系統性的學習（由於要準備考研，沒有時間），因此本身的知識面也不夠。 2. 實際上只要咱們可以入門，知道什麼是強化學習，什麼是DQN，可以本身寫一個DQN的模型，而後獲得結果就🆗了。至於更深刻的內容，都入門了，還不可以本身修煉嗎？一樣，這也是個人學習方法：先知道可以作什麼，而後作出來（並非簡單的copy代碼，仍是須要知道爲何這樣作），而後再深刻的來了解怎麼作，怎麼作的更好。

該教程涉及的內容以下：

• 強化學習簡介
• 馬爾科夫決策過程
• Q-learing算法
• DQN
• Nature DQN

最終會完成2個有意思的小項目：

1. MountainCar-v0

   經過DQN訓練以後，小車可以自動移動到旗幟的地方。

2. Flappy Bird

   經過DQN訓練以後，小鳥可以自動玩遊戲。

若是有任何問題，歡迎mail我。