資料內(nèi)容：
4.5 深度強(qiáng)化學(xué)習(xí)（DRL）
強(qiáng)化學(xué)習(xí) （Reinforcement learning，RL）強(qiáng)調(diào)如何基于環(huán)境而行動(dòng)，以取得最大化的預(yù)期利益。結(jié)合了深
度學(xué)習(xí)技術(shù)后的強(qiáng)化學(xué)習(xí)更是如虎添翼。這兩年廣為人知的 AlphaGo 即是深度強(qiáng)化學(xué)習(xí)的典型應(yīng)用。深度
強(qiáng)化學(xué)習(xí)的基礎(chǔ)知識(shí)可參考：
• Demystifying Deep Reinforcement Learning （中文編譯）
• [Mnih2013]
這里，我們使用深度強(qiáng)化學(xué)習(xí)玩 CartPole（平衡桿）游戲。簡(jiǎn)單說(shuō)，我們需要讓模型控制桿的左右運(yùn)動(dòng)，以
讓其一直保持豎直平衡狀態(tài)。
