Q-learning

首先是这个Q-Learning，相当于是更新当前位置用的是前一个位置的值，和Reward一起计算，这样一步步的计算直到收敛为止

比如说从0出发的一个实际问题
那么我更新 “从0走到2”这个位置的值，用的就是 Reward（2到3）+ y * “从0走到3”（类似的这种感觉）

DQN

DQN就是把Q-learning的table用一个神经网络来代替了
更新当前位置用的是前一个位置，这里可以看作是两张表格，更新当前位置看作是往新表格里填写，计算依据是Reward和旧表格

对应在Q-learning里就是一个Eval Net和Target Net以及记忆库