【论文理解】DQN：Playing Atari with Deep Reinforcement Learning

特点

• 强化学习和深度学习结合
• 使用原始的游戏画面作为输入，使用nn模型提取特征
• 使用深度网络输出作为选在动作a的价值。
• 使用内存空间来缓存历史行为，状态以及奖励值。

算法流程

对于转换状态的reward奖励，如果是终结状态，则使用最终的结果作为reward奖励；如果是中间状态，使用之前的reward奖励+Q价值网络预估结果作为最终的奖励。