DQN：离散化的低纬动作空间
DPPG：深度确定性策略梯度算法，可以用来解决连续的动作空间上的深度强化学习问题
Q-learing ：离散，低纬的动作空间
1、强化学习基本算法
- 马尔科夫决策过程
- 策略迭代
- 价值迭代
- 泛化迭代
2、基于值函数的强化学习方法
- 基于蒙特卡罗方法强化学习方法
- 基于时间差分的强化学习方法
- 基于值函数的强化学习方法（DQN,Q-learing,Double Q_Learing）
3、基于直接策略搜索的强化学习方法
- 基于策略梯度的强化学习方法(Actor-Ctritic,A3C,)
- 基于置信域策略的强化学习方法(TRPO)
- 基于确定性策略的强化学习方法
- 基于引导策略搜索的强化学习方法(ADMM)
4、强化学习研究及前言
- 逆向强化学习
- 组合策略梯度和值函数方法
- 值函数网络
- 基于模型的强化学习方法：PILCO及其扩展