强化学习速度复习-DQN

DQN，就是用神网来代替Q表，有两种形式（都是QLeaning改进，不过用SARSA也是可以的）
第一种：输入状态与行为，生成一个Q值（通常不用）
第二种：输入状态，输出每种行为的Q值（就是Q表的一行)，然后用强化学习的方法去选择（以一定概率选择最优的行为，低概率随机）

以第二种方法为例，输入S2，即当前行为转移到的下一状态，得到Q表中S2所有行为的Q值，取最出大值，输入S1，即当前状态，得到Q表中S所有行为的Q值，取当前行为那个，然后通过表达式（q(s1,a1)=q(s1,a1)+lr*(max(q(s2,ai))-q(s1,a1))更新Q值，或者说求与新q(s1,a1)与老q(s1,a1)之差，反馈到神网进行训练

另外添加的算法：

记忆库，神经网络计算Q值，暂时冻结q_target参数（切断相关性）