Continuous control with deep rei

1. 用确定性策略梯度来解决连续动作学习问题
2. 用深度学习作为函数拟合器
3. 用经验池去除相关性（使得样本是独立同分布的，而不是时间相关的）
4. 用target network使得学习更加稳定
5. 使用噪音来探索