目录
●
第1章 绪论
1.1 搜索很优解的不同方式
1.2 用强化学习寻找很优解
1.3 用深度学习建模各类非线性单元
1.4 标准化研究问题的形式
1.5 Gym 实践
参考文献
第2章 Q-learning 和 SARSA
2.1 问题背景
2.2 Q-learning
2.2.1 介绍
2.2.2 更新规则
2.2.3 伪代码
2.3 SARSA
2.3.1 介绍
2.3.2 更新规则
2.3.3 伪代码
2.4 同策略与异策略的理解
2.5 Q-learning 与 SARSA 的对比
2.6 实现：CliffWalking 环境
2.6.1 Q-learning 实现
2.6.2 SARSA 实现
2.6.3 测试与对比
参考文献
第3章 深度学习基础
3.1 深度学习概述
……
内容介绍
本书系统介绍强化学习的理论基础、关键算法及其在实际场景中的广泛应用。强化学习是一种利用交互环境和奖励信号不断优化决策策略的学习方法，近年来与深度学习的结合为游戏人工智能、机器人控制、大语言模型等领域注入了强大的活力，带来广阔的发展潜力。强化学习正逐步成为人工智能领域中不可或缺的重要研究方向和技术支柱。
本书以深入浅出的方式，从理论到实践全面覆盖强化学习的核心知识体系与技术方法，包括强化学习的基本概念、经典算法（如Q-learning、SARSA等）、深度强化学习（如DQN、A3C、PPO等）、奖励空间探索、模仿学习、基于模型的强化学习以及该领域的近期新研究进展。此外，本书还将对视觉强化学习、多任务强化学习、蒙特卡洛树搜索、通用智能体等重要方向进行深入分析，并结合丰富的实际案例与代码实现，引导读......
贾如春 总主编;王琦,陶晓玲,蒲源 主编
贾如春，男，副教授，CISP信息安全高级讲师，信息安全国赛技能大赛裁判，《全国高等教育信息安全人才培养规划丛书》编委会主任，先后发表重量核心期刊论文80余篇，获得国家发明软著专利20余项，主持、参与省市级科研项目8项，独著、主编《网络安全实用教程》、《数据安全与灾备管理》、《信息安全基础》、《计算机病毒与防御》等20余本国家高等教育信息安全人才培养专业规划系列教材。
