摘要： 其中： RL 分为基于价值的学习和基于策略的学习 和 AC 架构的 # 价值学习 ## DQN DQN 解决的是连续状态的问题 不能解决连续动作的问题 DQN = Q_learing+网络 使用了价值网络 q(..w) ### DQN 训练的过程 **基础的DQN 就是 训练Q网络 更新w 参数** 阅读全文