強化学習のネットワーク構造を改良したモデル。
行動価値を状態価値関数（状態）とAdvantage（行動）に分割することにより、行動に関わらず状態を学習することができるようにしたもの。
Ziyu WangらDeepMind のメンバーによって2015年に発表された。