深度强化学习DQN

DQN模型

输入的是处理后的连续帧图像（降维幅度图），经过卷积层层后接两个全连接层，输出是所有动作的Q值。

算法

1. NIPS 2013

2. Nature 2015

2.1 算法

2.2 流程图

3. 不足

由于Replay Memory原因：

1. 无法应用于连续动作控制；
2. 只能处理只需短时记忆问题，无法处理需长时记忆问题（后续研究提出了使用LSTM等改进方法）；