DQN可以视为Q-learning的进阶版，DQN与Q-learning十分相似，DQN解决了Q-learning解决不了的问题。
一、DQN解决的问题
二、DQN面临的问题
三、DQN的两大改进
1.experience replay 经验池
2.固定Q-target
L O S S ( θ ) = E [ ( T a r g e t Q − Q ( s , a ; θ ) ) 2 ] LOSS(θ)=E[(TargetQ−Q(s,a;θ))^2] LOSS(θ)=E[(TargetQ−Q(s,a;θ))2]
过程描述：初始化MainNet和target，根据损失函数从而更新MainNet参数，而target则固定不变，在经过多次迭代之后，将MainNet的参数全部复制给target网络，并一直如此循环迭代。这样一段时间内的targetQ是固定不变的，从而使得算法更新更加稳定
四、DQN算法
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/232114.html原文链接：https://javaforall.net
