初始化过程：初始化操作。初始化神经网络的参数，同时也会执行若干次transition来初始化记忆库。例如，记忆库的容量N=500，可以选择执行200次transition来初始化记忆库，这样学习过程可以从记忆库中抽取batch个transition，进行学习了。
每发生一次transition，都会存入记忆库，超出记忆库容量N，会先删去记忆库中最早存入的transition。在存储过程中，只执行eval_net来获取Q值，进而根据实际情况，得到动作，奖励，和下一状态。
若干步存储过程，执行一次学习过程。
若干步学习过程，执行一次更新过程。
