强化学习主流的神经网络

强化学习主流的神经网络有以下几种：

1. Deep Q-Network (DQN)：它是一种使用深度神经网络来学习动作值函数的方法。DQN是一种基于Q-learning的强化学习算法，可以解决具有大量状态和动作的问题。

2. Policy Gradient (PG)：它是一种基于策略梯度的强化学习算法，通过优化策略函数来最大化期望回报。PG方法通常使用神经网络来表示策略函数。

3. Actor-Critic (AC)：它是一种结合了PG和值函数学习的方法。AC方法通常使用两个神经网络，一个用于计算策略函数，另一个用于计算值函数。

4. Asynchronous Advantage Actor-Critic (A3C)：它是一种分布式强化学习算法，通过并行训练多个智能体来加速学习过程。A3C使用一个Actor-Critic结构来进行学习。