DQN（Deep Q-learning）入門教程（零）之教程介紹

段小輝發表於2020-05-23

簡介

DQN入門系列地址:https://www.cnblogs.com/xiaohuiduan/category/1770037.html

本來呢，在上一個系列資料探勘入門系列部落格中，我是準備寫資料探勘的教程，然後不知怎麼滴，部落格越寫越偏，寫到了神經網路，深度學習去了。在我寫完資料探勘部落格之後，我又不知道在哪裡（YouTube or B站殺我）看到了有人使用CNN網路玩飛翔的小鳥（Flappy Bird）的遊戲，當時我覺得，emm，竟然使用CNN就可以玩遊戲，有意思，可以一試，然後發現，要用到DQN，再然後，又發現其是強化學習的知識，然後，就入坑了。

別人的學習流程是強化學習——>Q-learning——>DQN——>?Fly，我學習流程TM是 ?Fly——>CNN——>DQN——>Q-learning——>強化學習

當然，本教程還是會按照"強化學習——>Q-learning——>DQN——>?Fly"的流程來，不然反著來誰受得了。

至於為什麼教程名叫做DQN入門教程而不是強化學習入門部落格，是因為該系列側重點不是強化學習，而是DQN。因此，一切的目標都是朝著DQN向前。

教程目標

該系列部落格仍然定位為入門部落格，因此不會涉及詳細對強化學習的各個方面都進行介紹，但是不會影響從入門到入土的連貫性。至於為什麼定位為入門部落格：1. 博主自己也是剛學，並且也不是系統性的學習（因為要準備考研，沒有時間），所以自己的知識面也不夠。 2. 實際上只要我們能夠入門，知道什麼是強化學習，什麼是DQN，能夠自己寫一個DQN的模型，然後得到結果就?了。至於更深入的內容，都入門了，還不能夠自己修煉嗎？同樣，這也是我的學習方法：先知道能夠做什麼，然後做出來（並不是簡單的copy程式碼，還是需要知道為什麼這樣做），然後再深入的來了解怎麼做，怎麼做的更好。

該教程涉及的內容如下：

  • 強化學習簡介
  • 馬爾科夫決策過程
  • Q-learing演算法
  • DQN
  • Nature DQN

最終會完成2個有意思的小專案：

  1. MountainCar-v0

    通過DQN訓練之後，小車能夠自動移動到旗幟的地方。

  2. Flappy Bird

    通過DQN訓練之後，小鳥能夠自動玩遊戲。

如果有任何問題，歡迎mail我。

相關文章