更改

*存储转移数据​​：将转移元组<math>(ϕ_{t},a_{t},r_{t},ϕ_{t+1})</math>存入回放记忆库D。

*存储转移数据​​：将转移元组<math>(ϕ_{t},a_{t},r_{t},ϕ_{t+1})</math>存入回放记忆库D。

*经验回放与网络更新​​：

*经验回放与网络更新​​：

**随机采样​​：从D中均匀抽取小批量转移(ϕ_j,a_j,r_j,ϕ_j+1)。

**随机采样​​：从D中均匀抽取小批量转移<math>(ϕ_{j},a_{j},r_{j},ϕ_{j+1})</math>。

**目标Q值计算​​： <math> y_{j} = r_{j} + /gamma /max_{a} Q^{-}(ϕ_{j+1}, a) </math>

**目标Q值计算​​： <math> y_{j} = r_{j} + γ /max_{a} Q^{-}(ϕ_{j+1}, a) </math>

**[https://baike.baidu.com/item/梯度下降?fromModule=lemma_search-box 梯度下降]​​: <math> ∇_{θ} 1/ {|B|} {/sum} (y_j-Q(ϕ_j,a_j;θ)^2 </math> ，B为batch数据

**[https://baike.baidu.com/item/梯度下降?fromModule=lemma_search-box 梯度下降]​​: <math> ∇_{θ} 1/ {|B|} {/sum} (y_j-Q(ϕ_j,a_j;θ)^2 </math> ，B为batch数据

*目标网络同步​​：每隔C步将主网络参数θ复制至目标网络Q^-，即θ^-←θ。

*目标网络同步​​：每隔C步将主网络参数θ复制至目标网络Q^-，即θ^-←θ。