DQN

将神经网络与Q-learning结合，避免在庞大state的情况建立Q表。

DQN

DQN中包含两个神经网络target-net(训练q-target), eval-net(训练q-eval).
利用 eval-net 训练参数然后更新 target-net 参数。

Double DQN

为解决Q现实Qmax()造成过估问题
Q_eval (Q估计中的), Q_next (Q现实中的).
原本：Q_next = max(Q_next(s’, a_all))
修改： Q_next = Q_next(s’, argmax(Q_eval(s’, a_all)))

Dueling DQN

优化操作

原：Q() = V()
修改： Q() = V() + A()

结果 收敛更好

其中内容参考莫烦教程莫烦课程