DQN
Q-learning状态空间和动作空间都很小。
实际情况中,大部分问题都有巨大的状态空间和动作空间,建立Q表,内存是不允许的,而且数据量和时间开销都是个问题。
采用神经网络来表示Q函数,每层网络的权重对应的就是值函数。
DQN对Q-learning的修改主要体现在三个方面:
(1)DQN利用深度卷积神经网络逼近值函数
(2)DQN利用经验回放来训练强化学习的学习过程
深度神经网络作为有监督学习模型,要求满足数据独立同分布,通过强化学习采集的数据之间存在关联性,利用这些数据进行寻览,神经网络表现不稳定,而经验回放可以打破数据之间的关联。
在强化学习过程中,智能体将数据存储到一个数据库中,再利用均匀随机采样的方法从数据库中抽取数据,然后再利用抽取的数据训练神经网络。
(3)DQN独立设置了目标网路来单独处理时间差分算法中的偏差