DQN（Deep Q-learning）入门教程（结束）之总结

emm，花了一周时间完成了DQN的从入门到入土，这个系列是完完全全的入门系列，因为讲的内容很简单，内容也比较少，仅仅是一个最基本的介绍。

我也是因为偶然的原因才接触到强化学习，然后觉得很有意思，比较好奇它是怎么做到的，于是就花了一段时间去了解，接着就将自己的入门过程就写下来了。

这个系列相比较与数据挖掘系列的博客，内容还是比较少的，内容如下所示：

1. DQN（Deep Q-learning）入门教程（零）之教程介绍
2. DQN（Deep Q-learning）入门教程（一）之强化学习介绍
3. DQN（Deep Q-learning）入门教程（二）之最优选择
4. DQN（Deep Q-learning）入门教程（三）之蒙特卡罗法算法与Q-learning算法
5. DQN（Deep Q-learning）入门教程（四）之Q-learning Play Flappy Bird
6. DQN（Deep Q-learning）入门教程（五）之DQN介绍
7. DQN（Deep Q-learning）入门教程（六）之DQN Play Flappy-bird ，MountainCar

说实话，以6篇博客想来学懂DQN（或者强化学习）是远远不够的，一来，篇幅不够；二来，自己的水平也不够。我仅仅是个初学者，又怎么可能有能力将其讲得广阔而透彻呢？因此，这个系列也仅仅是一个入门系列，最基本的入门。

不过，如果我们对某一个东西有兴趣的话，学习起来也就会事倍功半。它能够站在后面驱使着我们去学习。在个人看来，机器学习本身就是一个好玩的东西（尽管掉了一堆头发，是真的一堆头发，我妈打扫房间的时候还吐槽我怎么掉了这么多头发，/(ㄒoㄒ)/~~），如何进行加快模型的收敛，如何提取有用的信息，如何构建一个好的模型，这些都是值得研究，并且很有意思的东西。我还依稀的记得，当我了解到神经网络总的MP模型的时候，我直接惊呆了，为模型之简介感到惊叹。

这个系列的博客实际上我是写的匆匆忙忙，只花了约一周的时间就写完了。实际上如果我时间很多的话，至少这个系列的博客不会低于15篇，但是，说实话我不敢这样去写。因为我需要考研了，如果写15篇的话，那至少得需要近2个月的时间，这样势必会耽误我的复习，因此也只能这样了。如果我考研能够成功上岸的话，那么我将会更加深入地去了解强化学习以及其优化方法，毕竟那时候时间应该会挺多的。总的来说，还是比较遗憾，无法将这个系列深入学习和写下去。

接下来一段时间，如果没有特殊情况，我基本不会再去写博客，也不会对博客进行更新，如果大家想更加深入的去了解强学习，推荐大家可以去看看：

• 刘建平Pinard：强化学习
• UCL Course on RL
• Reinforcement Learning : An introduction