深度强化学习基础(2/5)：价值学习 Value-Based Reinforc

Q*是一个先知，能预测做每一个动作能带来的平均回报。价值学习就是学习一个函数来近似出一个先知。

DQN是一种价值学习的方法，用神经网络来近似Q*。