强化学习——函数逼近与神经网络
1.函数逼近
可数的状态可用Q表格表示，但在实际中的应用状态的数量级十分大，所以可采用值函数近似。
2.神经网络
输入训练数据，输出结果
神经网络可用逼近任意连续函数
神经网络代码举例：
3.DQN 使用神经网络求解RL问题中的经典算法
DQN的本质为Q-learing，从environment中获得state，通过查表，获得Q值及动作，然后输出给环境，拿到
下一个state和reward。
DQN的改进在于直接把Q表格换成神经网络
4.监督学习其训练过程为：输入x值,输出预测的y值和真实的y值，并求其均方差，然后送入优化函数，对网络更新优化
DQN其训练过程为：输入的是一批state，输出的是预测的Q值，然后逼近Target Q值，计算目标值和预测值的均方差，然后送入优化函数，对网络更新优化