Dueling Q-Network与DQN相比，优点在于无论动作a如何，都可以逐步学习与V(s)相关的网络连接参数，因此学习所需的试验轮数比DQN更少。随着动作选择的增加，优势更加明显。

pytorch实现2015版本的DQN。该版本采用目标Q网络来训练主Q网络，较2013版更为稳定，被称为DDQN（Double DQN，双重DQN）。

pytorch实现2013版本的DQN。

深度强化学习是一种使用深度学习来进行强化学习的方法。

用强化学习来学习倒立摆的控制方法，这是一项比迷宫更复杂的任务。

实现Q学习算法（一种价值迭代算法）走迷宫。与Sarsa不同的之处在于其动作价值函数的更新公式不同。

实现Sarsa算法（一种价值迭代算法）走迷宫。

策略迭代法是一种强化学习算法，通过不断更新策略来学习。

作为强化学习的对照，本节中实现一个智能体，该智能体在迷宫中以随机搜索的方式朝目标前进。

强化学习的主要构成要素包括：智能体、环境、行动、奖励。