强化学习(二) —— DQN深度强化学习网络
DQN，Deep Q Network, 是融合了Q-learning和神经网络的方法
传统Q-learning的瓶颈
使用Q-table这样一个表格来存储state和action的Q值，在复杂的情境下，状态可以多到比天上的星星还要多，如果全用表格来存储，计算机是存储不下的。并且在如此巨大的表格中搜索对应状态也是一种很耗时的事情
不过神经网络对这类事情很在行，我们将状态和动作当作神经网络的输入值，经过神经网络分析后，得到动作的Q值，这样我们就不需要用表格记录Q值了
我们也可以只输入状态值，输出所有的动作值，然后按照Q-learning的原则，直接选择最大值的动作作为下一个动作
那在强化学习中，神经网络是如何被训练的呢
DQN效果强大的两大因素
①Experience replay
记忆库
②Fixed Q-targets