函数近似

之前用Q- leaning，但是感觉还是很慢。而且要手动分割.

现在直接用监督学习中的线性回归来训练模型近似价值函数。

用到了RBF，这次明显快很多了。

训练了10000次，连续100次累积奖励达到195以上就算完成。其实不用训练10000次，训练几千次大概就可以了。但这样子直觉来说不太稳定。