强化学习实践 | DQN和OpenAI Gym中的CartPole

• 原论文：Playing Atari with Deep Reinforcement Learning
• 参考：
  https://mofanpy.com/tutorials/machine-learning/reinforcement-learning/intro-DQN/

1. 直觉介绍

我们之前利用的是Q-Table查询的方法得到每一个State应该做的动作，但在State很多的时候，我们无法存储那么多的State。因此，另一种解决方案是通过函数（神经网络拟合），具体来说有2种

• 输入$(s_t,a_t)$，输出$q(s_t,a_t)$
• 输入$s_t$，输出$q(s_t,a_1),...,q(s_t,a_n)$（即输出各个动作的q值）

我们对第二种方法继续讨论：

• target:$R+\gamma \ast ma$