本文深入探讨了深度强化学习中的两种方法——DQN（Deep Q-Networks）和Policy Gradient。首先，介绍了DQN的基本原理、学习流程，并提供了相关资源链接以加深理解，包括实际应用示例。接着，转向Policy Gradient，讨论其核心概念，包括数学推导和实例解释，同时也分享了学习Policy Gradient的建议路径和资源。
1.DQN的学习
这里有思路和流程：http://www.cnblogs.com/cjnmy36723/p/7018860.html
这里有DQN的伪代码，而且有俩个版本，区别就是targetQ的更新方式：https://blog.youkuaiyun.com/u013236946/article/details/72871858
这是个实际的例子：DQN玩Flappy Bird，结合实例看代码，理解起来会更容易。
https://www.jianshu.com/p/e63d8cd3b610
https://www.jianshu.com/p/0a04426ee3ad
贴一个我稍作修改的流程：
2.本人是学了DQN后再看的Policy Gradient，先跟着一些教程看，还说要先去MDP的动态规划、蒙特卡罗、TD巴拉巴拉，之后看了发现，感觉并没有什么关系也没什么用……（如果你想了解的话，贴个链接：
最低0.47元/天 解锁文章
扫一扫
358
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
