通过优先体验重播深度Q网络 概述 在这个项目中，我们建立了一个使用Experience Replay作为强化学习代理的Dueling Deep Q网络，以解决OpenAI Gym中离散的Lunar Lander环境。 这种环境的目标是使“月球着陆器”以零速度着陆在着陆垫上。 当平均奖励为+200点时，认为此任务已解决。 通过将q网络的q值分成两个称为状态值和动作优势的流，决斗深层q网络能够对q值进行更准确的预测。 优先级的体验重播使网络可以选择和培训具有较高td错误的体验，从而使培训重点放在重