概念target network
目标网络
深度Q学习中周期性复制在线网络参数以提供稳定自举目标的技术，用于缓解移动目标和训练不稳定问题。
核心事实
时间轴 (近 90 天)
11月2日
DQN使用目标网络Q(s,a;θ^-)来计算目标值，并定期将主网络的参数复制到目标网络，使目标值在一段时间内保持稳定。
待验证50%
10月26日
深度强化学习需要经验回放、目标网络等稳定化技巧来应对函数逼近带来的不稳定和发散风险。
待验证50%
10月15日
DQN等基于值函数的方法通过估计每个状态-动作对的Q值来间接推导策略，通常需要维护经验回放池和目标网络来稳定训练。
已验证65%
8月26日
目标网络维护一份参数更新滞后的网络副本来计算TD目标值，避免训练发散
待验证50%