更改

*'''输入'''​​：原始状态 s（如游戏画面像素矩阵）

*'''输入'''​​：原始状态 s（如游戏画面像素矩阵）

​​*'''输出'''​​​​：每个动作 a 对应的Q值（离散动作空间）

​​*'''输出'''​​​​：每个动作 a 对应的Q值（离散动作空间）

​​*'''参数'''​​​​：θ 为神经网络的权重，通过梯度下降优化

*'''参数'''​​​​：θ 为神经网络的权重，通过梯度下降优化

​​

​​

'''核心意义'''​​：

'''核心意义'''​​：

*'''​​端到端学习'''​​​​：直接从原始状态（如像素）映射到动作价值，无需手工设计特征。

*'''​​端到端学习'''​​​​：直接从原始状态（如像素）映射到动作价值，无需手工设计特征。