先看跑CartPole-v0的效果（实在是太简单了。。。）

SQN：颤抖吧，CartPole！

再看LunarLander-v2的效果（也是比较简单了。。。），AverageEpRet就是不上300... : (

最后Breakout-ram-v4的效果（通关无压力。。。）

可以看下面视频最后打完无砖块，可以看到864分即最高分。

并没有调到最优，只是为了验证自己的算法，也没有使用视频版本的Breakout。

SQN （Soft Q Network ）是基于Q-value的强化学习算法，伪代码及源代码详见createamind代码库。

代码：https://github.com/createamind/DRL