ByteCat

DQN，全称是Deep Q Network，是一种把Q-Learning和DNN结合起来的模型架构。

深度强化学习是一种使用深度学习来进行强化学习的方法。

用强化学习来学习倒立摆的控制方法，这是一项比迷宫更复杂的任务。

实现Q学习算法（一种价值迭代算法）走迷宫。与Sarsa不同的之处在于其动作价值函数的更新公式不同。

实现Sarsa算法（一种价值迭代算法）走迷宫。

策略迭代法是一种强化学习算法，通过不断更新策略来学习。

作为强化学习的对照，本节中实现一个智能体，该智能体在迷宫中以随机搜索的方式朝目标前进。

强化学习的主要构成要素包括：智能体、环境、行动、奖励。

强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，主要用于时变系统控制规则构建和对战博弈策略构建。

TCN加上自注意力机制做预测。