不同算法的理论比较部分参考CSDN博客 - 专业IT技术发表平台，代码实现在python完成。用的算例是OpenAI官网gym提供的算例环境"CartPole-v1"游戏,代码实现部分在谷歌全家桶(Colab,tensorflow2,wandb)中完成
1.朴素DQN
原论文：
[DQN] Playing Atari with Deep Reinforcement Learning [1]
Off-policy，Discrete action space，model free，2015
算法：
python实现：
2.DDPG
原论文：
Model free， off policy， continuous action， 2015
算法：
python实现：
3.A3C
原论文：
算法：
python实现：
4.PPO
PPO， on policy, actor critic, Both discrete continuous action space, 2017
算法：
python实现：