強化學習--DeepQnetwork 的一些改進

        Double DQN   算Q值 與選Q值是分開的，2個網絡。         Multi-step         Dueling DQN       如果更新了，即使有的action沒有被採樣到，也會更新Q值     Prioritized Reply  Noisy Net Epsilon Greedy 存在的問題是在一局遊戲中， 即使是同一個agent也有可能坐車不不同的選擇

>>阅读原文<<