format

docs/ch6/main.md

@@ -1,5 +1,7 @@
 # 深度学习基础
 
+$\qquad$ 在前面章节中我们主要介绍了传统强化学习的内容，这些内容涵盖了基础的问题核心和解决方法。但是对应的算法并不能解决高维度的复杂问题，因此现在普遍流行将深度学习和强化学习结合起来，利用深度学习网络强大的拟合能力通过将状态、动作等作为输入，来估计对应的状态价值和动作价值等等。
+
 前面章节中都属于基础的强化学习内容，在后面的章节中我们主要讲解深度强化学习，在此之前会为读者介绍强化学习中涉及到的一些深度学习基础，以便有一个过渡。
 
 ## 线性模型

docs/ch8/main.md

@@ -1,5 +1,7 @@
 # DQN 算法进阶
 
+$\qquad$ 本章将介绍一些基于 $\text{DQN}$ 改进的一些算法。这些算法改进的角度各有不同，例如 $\text{Double DQN}$ 以及 $\text{Dueling DQN}$ 等算法主要从网络模型层面改进，而 $\text{PER DQN}$ 则从经验回放的角度来改进
+
 本章开始介绍一些基于 $\text{DQN}$ 改进的一些算法，由于本章的算法都是网络模型、经验回放等层面的改进，整体的训练模式跟 $\text{DQN}$ 算法是一模一样的，因此出于简洁考虑，本章算法不再贴出对应的伪代码。另一方面来讲，建议读者在阅读本章之前，牢牢掌握 $\text{DQN}$ 算法的原理。
 ## Double DQN 算法