深度强化学习（一）之脉络梳理

一、技术构成

深度强化学习由两个技术构成：
1）RL:Reinforce Learning 强化学习
2）DL:Deep Learning 深度学习

二、深度学习和强化学习区别

1）强化学习完成两个任务：规划 和 决策
2）深度学习完成：特征映射，提取语义信息。

规划：达到最终状态，中间采取的一系列动作，不仅对当前状态做反应，还要考虑到未来。

三、两种决策方法

1）DQN
基于value做决策
易训练

2）PG:策略梯度，基于状态做决策
优点：非常直接
缺点：比较难训练

3）两种方法结合，比较好用。
AC模型：A是PG网络，C是价值网络

四、强化学习的工作方式

试错学习：