DQN相较于传统的强化学习算法（Q-learning）有三大重要的改进：（1）引入深度学习中的神经网络，利用神经网络去拟合Q-learning中的Q表，解决了Q-learning中，当状态维数过高时产生的“维数灾难”问题；（2）引入目标网络，利用延后更新的目标网络计算目标Q值，极大的提高了网络训练的稳定性和收敛性；（3）引入经验回放机制，使得在进行网络更新时输入的数据符合独立同分布，打破了数据间的