DQN 及其改进
DQN 用经验回放打破样本相关、用目标网络稳定自举目标。本章逐一讲解 Double DQN（高估）、Dueling（价值/优势分解）、优先经验回放、n-step、Noisy Nets，以及 Rainbow 的消融结论。
- 经验回放让 Q-learning 成为 off-policy 的必要条件
- max 操作导致系统性高估，Double DQN 解耦选择与评估
- Rainbow 消融：优先回放与 n-step 贡献最大
DQN 用经验回放打破样本相关、用目标网络稳定自举目标。本章逐一讲解 Double DQN（高估）、Dueling（价值/优势分解）、优先经验回放、n-step、Noisy Nets，以及 Rainbow 的消融结论。