强化学习是机器学习领域的热门子项。由于 OpenAI 和 AlphaGo 等公司的最新突破，强化学习引起了游戏行业许多人的注意。我们今天以Hill Climb Racing这款经典的游戏来介绍DQN的整个概念，Hill Climb Racing需要玩家在不同的地形上驾驶不同的车辆，驾驶距离越长得分越高。
在本篇文章中将通过这个游戏的示例来介绍 Deep Q-Networks 的整个概念，但是因为没有环境所以我们会将其分解成2个独立目标分别实现。如果曾经接触过此类游戏，你可能已经观察到游戏的两个主要目标：1、不要碰撞，2、保持前进。
我们将这两个目标分解成我们的需要的做动作：1、保持平衡，2、爬坡，当然还有一些附加项，例如吃分获取奖励，但是这个并不是我们的主要目标。
在我们深入解决这些问题之前，首先介绍一下解强化学习和DQN的基础知识。
我们先快速介绍一下什么是强化学习，在这种学习中行为主体对环境所做的行动会根据其结果得到奖励。奖励会影响主体（代理、智能体）未来的行为。
- 有利的行动，更多的奖励（积极的）。
- 不利的行动，较少的奖励或者惩罚（在某些情况下是负面的）。
Deep Q-Learning 算法是深度强化学习的核心概念之一。神经网络将输入状态映射到（动作，Q 值）对。
- 动作Action：代理执行的对环境进行后续更改的活动。
- 环境Environment：模型工作的整个状态空间。
- 奖励Rewards：为模型提供的每个动作的反馈。
- Q 值Q-value：估计的最优未来值。
Q-Learning 和 Deep Q-Networks 是无模型算法，因为它们不创建环境转换函数的模型。
