A3C：异步优势演员-评论员算法（Asynchronous Advantage Actor-Critic）
2016年Google的DeepMind团队提出的基于异步梯度的深度强化学习算法。
强化学习重要符号释义（理解了这些才能慢慢搞懂，，，妈妈太难了~）
