目录

●第一部分 强化学习基础
第1章 初探强化学习
1.1 简介
1.2 什么是强化学习
1.3 强化学习的环境
1.4 强化学习的目标
1.5 强化学习中的数据
1.6 强化学习的独特性
1.7 小结
第2章 多臂老虎机问题
2.1 简介
2.2 问题介绍
2.2.1 问题定义
2.2.2 形式化描述
2.2.3 累积懊悔
2.2.4 估计期望奖励
2.3 探索与利用的平衡
2.4 □（特殊字符）-贪婪算法
2.5 上置信界算法
2.6 汤普森采样算法
2.7 小结
2.8 参考文献
第3章 马尔可夫决策过程
3.1 简介
3.2 马尔可夫过程
3.2.1 随机过程
3.2.2 马尔可夫性质
3.2.3 马尔可夫过程
3.3 马尔可夫奖励过程
3.3.1 回报
3.3.2 价值函数
3.4 马尔可夫决策过程
3.4.1 策略
3.4.2 状态价值函数
3.4.3 动作价值函数
3.4.4 贝尔曼期望方程
3.5 蒙特卡洛方法
3.6 占用度量
3.7 很优策略
3.8 小结
3.9 参考文献
第4章 动态规划算法
4.1 简介
4.2 悬崖漫步环境
4.3 策略迭代算法
4.3.1 策略评估
4.3.2 策略提升
4.3.3 策略迭代
4.4 价值迭代算法
4.5 冰湖环境
……
第二部分 强化学习进阶
第三部分 强化学习前沿
总结与展望
中英文术语对照表与符号表