Q Learning是一种很好的方法，但是q learning很难处理连续动作的情况。因为q学习是基于值得，如果动作连续，q表太大，则很难计算。
但是凡是问题都有解决的方法，如何解决Q Learning难以应对连续动作得问题呢！
解决方法一：在连续得动作中，我们sample采样出一部分n个，将其变成有限动作的问题。但是这种方法的缺点就是采样不完整，可能会造成以后的问题
解决方法二：我们用梯度增加的方法来使Q值变大，梯度上升，更新参数，但是这样做的缺点使计算量过大。
第三种解决方法：我么设计一个神经网络，可以有三个输出μ(s)，Σ(s)，V(s)，再用矩阵运算的方法将他们算到一起
第四种方法，就是不适用Q Learning，还会有别的方法来解决连续动作的问题。