DQN：
两个重要的突破：
1. experience reply: 把每步agent经历状态，奖励，动作储存到经验池里，然后mini-batch采样来更新网络，这样可以打破样本之间的强依赖，稳定网络的更新 1. experience reply: 把每步a
阅读背景：
深度强化学习汇总
来源：互联网
分享到：
