【微信AI】深度强化学习系列四：状态空间的泛化和DQN

文章预览

    新智元推荐   来源： 微信AI 授权转载 作者：叶浩   新智元启动 2017 最新一轮大招聘：   COO、总编、主笔、运营总监、视觉总监等８大职位全面开放 。 新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、 高于业界平均水平的工资和奖金。 加盟新智元，与人工智能业界领袖携手改变世界。 简历投递：j obs@aiera.com.cn     HR 微信： 13552313024 【新智元导读】 本文将详细解读深度强化学习中的状态空间的泛化和DQN。这些都是DeepMind引以为傲的技术。 Q-Learning回顾 上一章我们讲到了可以用时域差分的学习方法，进行Q-Learning来求解最优的策略。 1） 假设我们进行了很多试验，每次的表达是 (s, a, r, s’, a’, r’, s’ ………………………………