山东大学：人工智能基础与实践-第10章强化学习II

在之前的学习中，我们对强化学习有了初步的认识，知道了什么是马尔可夫链，理解了强化学习中最重要的Q值与V值，学习了蒙特卡罗算法与时序差分算法，了解了Q-learning是如何通过表格记录Q值。

• 接下来，我们将完成进一步的探索，学习强化学习领域的几个经典算法，如DQN深度Q网络算法，AC演员-评论家算法，以及目前公认的主流PPO算法。讲解中，我们以介绍为主，不涉及过多公式推导，让大家对这些算法有个初步认识，希望激发大家对强化学习的兴趣。

• 掌握DQN算法的两大稳定改进思路