强化学习--DeepQnetwork 的一些改进

 

 

 

 

Double DQN

 

算Q值 与选Q值是分开的，2个网络。

 

 

 

 

Multi-step

 

 

 

 

Dueling DQN

 

 

 

如果更新了，即使有的action没有被采样到，也会更新Q值

 

 

Prioritized Reply

 Noisy Net

Epsilon Greedy 存在的问题是在一局游戏中，

即使是同一个agent也有可能坐车不不同的选择，这是不合理的,

所以在一局游戏中， 我们使用同一个q网络，在不回的回合给q网络

加入noise保证探索性。