原理部分提到的贝尔曼方程，实际上就是最优控制或者强化学习的基础部分，即使是十年前深度强化学习刚刚发展的时候，也直接完成了用深度神经网络对Q函数的近似和训练，阿尔法go也是这么用的。所以，如果原理就是这个的话，感觉完全就是小作文，没有提供信息，而且显得作者很外行。