强化学习 使用pytorch进行深度强化学习 要做的事情: 适用于Atari的A3C DreamerV2 DQN的多处理版本 重播缓冲区的优先采样 分布式DQN 连续动作空间??? 关键文章: ## DQN 通过深度强化学习玩Atari( ) Rainbow:结合深度强化学习的改进( ) 借助双Q学习进行深度强化学习( ) 优先体验重播( ) 深度强化学习的决斗网络架构( ) 嘈杂的勘探网络( ) 重温体验重播的基本原理( ) 重播内存容量和最早的策略之间的连接 n步DQN与重放存储容量之间的特殊连接 强化学习的分布观点( ) 梦想家: 梦想的控制:潜在想象力的学习行为( ) 运用离散世界模型掌握Atari( ) 从像素学习潜在动力学以进行规划( ) 深度神经进化: 深度神经进化:遗传算法是用于训练深度神经网络以进行强化学习的竞争性替