4.5 深度强化学习（DRL）
强化学习 （Reinforcement learning，RL）强调如何基于环境而行动，以取得最大化的预期利益。结合了深
度学习技术后的强化学习更是如虎添翼。这两年广为人知的 AlphaGo 即是深度强化学习的典型应用。深度
强化学习的基础知识可参考：
• Demystifying Deep Reinforcement Learning （中文编译）
• [Mnih2013]
这里，我们使用深度强化学习玩 CartPole（平衡杆）游戏。简单说，我们需要让模型控制杆的左右运动，以
让其一直保持竖直平衡状态。