參考資料：
https://github.com/ranjitation/DQN-for-LunarLander/
https://github.com/XinliYu/Reinforcement_Learning-Projects/tree/master/LunarLander
https://stanford-cs221.github.io/autumn2019-extra/posters/113.pdf
https://github.com/openai/gym/wiki/Leaderboard#lunarlander-v2、
https://www.researchgate.net/publication/333145451_Deep_Q-Learning_on_Lunar_Lander_Game?enrichId=rgreq-97106d655a4f7c18eb0cd40c05fdbb59-XXX&enrichSource=Y292ZXJQYWdlOzMzMzE0NTQ1MTtBUzo3NTkyMDY2NzYyNzExMTRAMTU1ODAyMDM4NTg5MA%3D%3D&el=1_x_3&_esc=publicationCoverPdf 
本人使用上圖所示的算法，即DQN解決了OpenAI-gym中LunarLander-v2游戲。
我僅僅列出了可用的資料，害怕遺忘所以記在這里。寫的代碼就不放了，主要是follow參考資料一，按照上圖算法一步一步來就好。最后的結果的話平均分數能夠達到281分，但是仍然有機率降落在停機坪外，只不過可以保證降落過程100%平穩。然而網上最強的結果是能夠達到284多分，這意味着每次小火箭都基本能精確、平穩（緩慢）的降落在停機坪。可能和超參數有關，還需要多多嘗試。雖然如此，成功解決問題的標准是連續100次的平均分數大於200，所以達到這個目標之后再精益求精就可。
下面放兩個效果圖，一個是迭代20次的結果，一個是最好分數的結果（大概6、700個episode）。
迭代20次：
最好模型：
