DQN与PG多角度比较

首先是原理上的对比，强化学习研究的目标是训练出一个对应于具体任务的好模型，这两个训练策略的方法是不同的。DQN基于值的方法，简单说就是先学出个值函数 ,然后通过值函数确定策略。而PG基于策略的方法则是，直接通过一个目标函数去训练出一个策略

接下来是网络模型上的不同，在MATLAB中DQN方法需要的模型是这样的

每一步的state和action一起作为输入进入网络，最后输出的是下一步action的值，和模型接受的动作对应，比如迷宫环境中的表示向上的1，rlDQNAgent模型把1施加给环境

再看PG方法的模型

只要state作为输入，经过网络的运算后输出的是下一步的action，和模型的actionInfo对应，rlPGAgent分析后取出需要执行的动作再和环境交互

最后看的是训练过程，同样的简单平衡维持环境，DQN训练时reward变化是这样的

而PG训练需要更多次

这个对比只是直观指出不同，可能PG方法并不适合这样的环境，这里主要记录的是两个方法的输入输出，在下次建立模型的时候可以参考：

DQN的输入是state和action一起，输出对应的是action的确切值

PG的输入是state，输出对应的是env的ActionInfo