文档摘要

4.3 DQN 双引擎：经验回放与目标网络 本节摘要：DQN（Deep Q-Network）把 Q-Learning 的更新式原样搬进神经网络，再装上两台稳定器：经验回放把在线数据流打散成近似独立的小批样本，目标网络把自举目标冻结在一个滞后参数副本上。两者分别斩断"数据相关"与"目标漂移"两条发散回路。本节讲清每台稳定器对症的病、典型超参数的取值与理由，并给出带注释的精简实现。 训练为什么会崩 5.1 与 5. 会员。《4.3 DQN 双引擎：经验回放与目标网络》收录于灏天文库文集《强化学习与智能体训练：从 Q-Learning 到深度强化学习》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/540-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%99%BA%E8%83%BD%E4%BD%93%E8%AE%AD%E7%BB%83%E4%BB%8E-q-learning-%E5%88%B0%E6%B7%B1%E5%BA%A6%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流