强化学习 RL -> DQN -> 智能体Agent

reinforcement
n. 加强; 增援; 补给品; 援军;

Reinforcement Learning
强化学习 （好像增强学习用的少一点，不专业，百度百科用的是强化学习）

强化学习(reinforcement learning)，又称再励学习、评价学习，是一种重要的机器学习方法（本质），在智能控制机器人及分析预测等领域有许多应用。但在传统的机器学习分类中没有提到过强化学习，而在连接主义学习中，把学习算法分为三种类型，即非监督学习(unsupervised learning)、监督学习(supervised leaning)和强化学习。
强化学习是智能体（Agent）以“试错”的方式进行学习，通过与环境进行交互获得的奖赏指导行为，目标是使智能体获得最大的奖赏，强化学习不同于连接主义学习中的监督学习，主要表现在教师信号上，强化学习中由环境提供的强化信号是对产生动作的好坏作一种评价(通常为标量信号)，而不是告诉强化学习系统RLS(reinforcement learning system)如何去产生正确的动作。由于外部环境提供的信息很少，RLS必须靠自身的经历进行学习。通过这种方式，RLS在行动-评价的环境中获得知识，改进行动方案以适应环境。
Deep Q-Learning，DQN 深度强化学习
DQN（Deep Q-Learning）可谓是深度强化学习（Deep Reinforcement Learning，DRL）的开山之作，是将深度学习与强化学习结合起来从而实现从感知（Perception）到动作（ Action ）的端对端（End-to-end）学习的一种全新的算法。由DeepMind在NIPS 2013上发表1，后又在Nature 2015上提出改进版本2。

https://blog.csdn.net/u013236946/article/details/72871858

Playing Atari with Deep Reinforcement Learning
DQN 从入门到放弃1 DQN与增强学习
https://baike.baidu.com/item/强化学习/2971075
【强化学习】强化学习/增强学习/再励学习介绍
https://blog.csdn.net/np4rHI455vg29y2/article/details/79358246

贺完结！CS231n官方笔记授权翻译总集篇发布
https://zhuanlan.zhihu.com/p/21930884?refer=intelligentunit

强化学习PPT资料

http://www0.cs.ucl.ac.uk/staff/D.Silver/web/Teaching.html

增强学习系列之（三）：实现一个打砖块的游戏

https://blog.csdn.net/superCally/article/details/54784103
https://zhuanlan.zhihu.com/p/35428241