DQN 和 QLearning 不同

DQN（Deep Q-Network）和 Q-Learning 都是强化学习中的经典算法，但是它们有一些不同之处：

DQN 使用深度神经网络来逼近 Q 值函数，而 Q-Learning 则使用表格来存储和更新 Q 值函数。
DQN 使用经验回放（Experience Replay）技术来训练神经网络，这是一种离线学习技术，能够更有效地利用历史数据进行训练。而 Q-Learning 则采用在线学习的方式，每个时间步都要更新 Q 值函数。
DQN 采用了目标网络（Target Network）来稳定训练过程，而 Q-Learning 则不需要这样的技术。
DQN 可以处理连续动作空间的问题，而 Q-Learning 只能处理离散动作空间的问题。

综上所述，DQN 在处理复杂任务时具有更好的表现，但是需要更多的计算资源和训练时间。而 Q-Learning 则更适合处理简单问题。