利用强化学习进行股票操作实战（二）

对于DQN的理论知识，这里不再赘述，不懂的同学可以看之前的强化学习理论篇或自行上网搜索相关资料。

废话不多说直接上代码。

DQN类

首先定义了一个DQN类（这个定义参考了莫烦的代码 [1]，几乎与其一致，做了简单修改）。下面简单的说明一下，代码中的核心部分。详细介绍可以看莫烦教学视频或者结合代码自己理解。

class 中包含了5个主要模块，分别是__init__ (初始化)，_build_net（网络构建），store_transition（储存过去操作），choose_action（根据状态选择动作），learn（网络学习）。

_build_net：构建了两个结构相同网络eval_net和target_net。eval_net更新频率较高，target_net更新频率较低。（设置两个网络更新频率不同是DQN模型的其中一个核心）

store_transition：将过去操作储存起来，s是当前状态，a是当前动作，r是reward，s_是下一时刻状态。

Chose_action：根据当前状态选择动作（采用了贪婪规则）