deep-reinforcement-agent:利用深度强化学习对特工进行指定任务的培训

深度Q网络：利用深度强化学习对特工进行特定任务的培训 深度学习是未来深度学习和实现实际人工智能的最有希望的突破之一。 虽然可以将更原始的算法用于简单的预测任务，但强化学习算法（例如Deep Q Networks）使科学家可以通过预定义的生态系统中的经验来训练代理完成任务。 这个概念与人类从环境中学习的方式非常相似。 通过现实生活中的经验，人类能够从感官信息中评估鼓励或劝阻的线索，从而以他们关于如何与周围世界互动的思想为基础。 精心的数学方程式，理论和深度学习相结合，使这种学习技术可以在人工现实中使用。 细节 通过使用预定义的环境，以上代码通过使用正反馈和负反馈来初始化和训练代理程序以执行特定任务。 该代理遍历一个大的正方形世界，部分地基于使用过去经验存储的信息来优化其性能来选择操作。 对于此任务，代理商面临的挑战是要收集尽可能多的yellow香蕉，同时避免blue香蕉。 收集的每个黄色香