m0_52744273的博客

在q-learning当中，Q函数的输入是状态state和action，输出是q-value。而DQN就是使用神经网络来拟合Q函数，所以从直观上来说，我觉得神经网络的输入应该是状态state和action，输出应该是q-value。但是，网上绝大多数DQN的代码实现都把state作为网络输入，把所有action的q-value的组合作为网络输出。我觉得这是不直观的、令人费解的，于是我按照自己的想法写了一份DQN代码。

文件，功能和上面DQN的一样，内容也几乎完全一样，只是把DQN的名字改成SARSA而已，所以在这里不再赘述。SARSA和DQN基本相同，只有在更新Q网络的时候略有不同，已在代码相应位置做出注释。代码，在这里定义了网络模型和SARSA模型。代码，在这里定义了网络模型和DQN模型。