强化学习入门
从原理到实践
目录#
致谢
致谢在本书写作过程中提供帮助的家人、老师和同事。
›
前言
本书的写作背景、全书结构概览和读者对象说明。
›
常用符号
强化学习常用数学符号说明。
›
算法列表
全书主要算法汇总。
›
第1章 · 概述
强化学习的历史 · 1.2 强化学习的基本概念 · 1.3 章节组织 · 1.4 编程环境与代码资源
›
第2章 · 从一个示例到马尔可夫决策过程
2.1 马尔可夫过程 · 2.2 马尔可夫奖励过程 · 2.3 马尔可夫决策过程 · 2.4.1 收获和价值的计算 ·
›
第3章 · 动态规划寻找最优策略
3.1 策略评估 · 3.2 策略迭代 · 3.3 价值迭代 · 3.4 异步动态规划算法 · 3.5.1 小型格子世界
›
第4章 · 不基于模型的预测
4.1 蒙特卡罗强化学习 · 4.2 时序差分强化学习 · 4.3 n步时序差分学习 · 1.前向认识TD（λ） · 2
›
第5章 · 无模型的控制
5.1 行为价值函数的重要性 · 5.2 贪婪策略 · 5.3 同策略蒙特卡罗控制 · 5.4 同策略时序差分控制 ·
›
第6章 · 价值函数的近似表示
6.1 价值近似的意义 · 6.2 目标函数与梯度下降 · 6.2.1 目标函数 · 6.2.2 梯度和梯度下降 · 6
›
第7章 · 基于策略梯度的深度强化学习
基于策略学习的意义 · 7.2 策略目标函数 · 1.Softmax策略 · 2.高斯策略 · 7.3 Actor-Cr
›
第8章 · 基于模型的学习和规划
8.1 环境的模型 · 8.2 整合学习与规划— Dyna算法 · 8.3 基于模拟的搜索 · 8.3.1 简单蒙特卡罗
›
第9章 · 探索与利用
9.1 多臂游戏机 · 9.2 常用的探索方法 · 9.2.1 衰减的ϵ贪婪探索 · 9.2.2 不确定行为优先探索 ·
›
第10章 · Alpha Zero算法实战
10.1 自博弈中的蒙特卡罗树搜索 · 10.2 模型评估中的蒙特卡罗搜索 · 10.3 策略价值网络结构及策略提升 ·
›