DQN（Deep Q-learning）入门教程（零）之教程介绍

简介

DQN入门系列地址:https://www.cnblogs.com/xiaohuiduan/category/1770037.html

本来呢，在上一个系列数据挖掘入门系列博客中，我是准备写数据挖掘的教程，然后不知怎么滴，博客越写越偏，写到了神经网络，深度学习去了。在我写完数据挖掘博客之后，我又不知道在哪里（YouTube or B站杀我）看到了有人使用CNN网络玩飞翔的小鸟（Flappy Bird）的游戏，当时我觉得，emm，竟然使用CNN就可以玩游戏，有意思，可以一试，然后发现，要用到DQN，再然后，又发现其是强化学习的知识，然后，就入坑了。

别人的学习流程是强化学习——>Q-learning——>DQN——>??Fly，我学习流程TM是 ??Fly——>CNN——>DQN——>Q-learning——>强化学习

当然，本教程还是会按照"强化学习——>Q-learning——>DQN——>??Fly"的流程来，不然反着来谁受得了。

至于为什么教程名叫做DQN入门教程而不是强化学习入门博客，是因为该系列侧重点不是强化学习，而是DQN。因此，一切的目标都是朝着DQN向前。

教程目标

该系列博客仍然定位为入门博客，因此不会涉及详细对强化学习的各个方面都进行介绍，但是不会影响从入门到入土的连贯性。至于为什么定位为入门博客：1. 博主自己也是刚学，并且也不是系统性的学习（因为要准备考研，没有时间），所以自己的知识面也不够。 2. 实际上只要我们能够入门，知道什么是强化学习，什么是DQN，能够自己写一个DQN的模型，然后得到结果就??了。至于更深入的内容，都入门了，还不能够自己修炼吗？同样，这也是我的学习方法：先知道能够做什么，然后做出来（并不是简单的copy代码，还是需要知道为什么这样做），然后再深入的来了解怎么做，怎么做的更好。

该教程涉及的内容如下：

• 强化学习简介
• 马尔科夫决策过程
• Q-learing算法
• DQN
• Nature DQN

最终会完成2个有意思的小项目：

1. MountainCar-v0

   通过DQN训练之后，小车能够自动移动到旗帜的地方。

   

2. Flappy Bird

   通过DQN训练之后，小鸟能够自动玩游戏。

如果有任何问题，欢迎mail我。

DQN（Deep Q-learning）入门教程（零）之教程介绍

原文：https://www.cnblogs.com/xiaohuiduan/p/12945133.html