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