DQN從入門到放棄學習總結（2）

1、動作價值函數： 每個狀態對應多種動作，我們考率在某個狀態下執行不同動作所獲得的價值，通過其大小，便可選擇價值最大的來執行。Action-Value function：。同樣，也是用reward來表示，但是此處reward是執行動作以後獲得的，之前state對應的reward則是多種動作對應的reward的期望。 動作-價值函數表示如下： 此處包含策略，即在策略下的動作價值。因爲對於每一個動作，

>>阅读原文<<