我们与环境进行互动并且在每个时间步，获得一个动作，状态，奖励，下个状态的元组，学完之后就丢弃，在下个时间步移到下个元组

我们将每个经验元组储存在这个缓冲区中，然后从中抽取一小批元组进行学习，因此我们能够从单个元组中多次学习规律。回顾罕见的状态并充分地利用经验；另一个改善是，过往的经验中每个动作A都以某种方式影响下个状态S，意味着一系列经验元组可能关系非常紧密，如果按照顺序学习会面临受到这种联系影响的风险，而借助replay buffer我们可以随机地从缓冲区取样，不一定必须是储存元组的同一顺序，这有助于打破相互之间的联系，并最终防止动作值严重振动或发散

replay使得强化学习可以用监督学习的方式进行训练，或者我们还可以使罕见或者更重要的经验元组优先级更高