Double Deep Q Network 算法

  Deep Q Network 算法：直接从下一个状态的Q目标值，选择动作概率的最大值。

 （Y值通过Q目标值的一张网络计算）

 Double Deep Q Network 算法：计算下一个状态的Q评估值的最大值,然后从下一个状态的Q目标值,选择动作q_next。

（Y值通过Q评估值、Q目标值的双网计算）

符号：

  ：表示Q目标值神经网络（target_net）的网络参数

： 表示Q评估值神经网络 (eval_net) 的网络参数

论文：Deep Reinforcement Learning with Double Q-Learning Hado van Hasselt , Arthur Guez, and David Silver
Google DeepMind   https://www.aaai.org/