fix some errors and add new chapters

docs/_sidebar.md

@@ -1,19 +1,15 @@
 - 目录
- - [P1 策略梯度](chapter1/chapter1.md)
- - [P2 近端策略优化 (PPO) 算法](chapter2/chapter2.md)
- - [P3 Q 学习 (基本概念)](chapter3/chapter3.md)
- - [P4 Q 学习 (进阶技巧)](chapter4/chapter4.md)
- - [P5 Q 学习 (连续动作)](chapter5/chapter5.md)
- - [P6 演员-评论员算法](chapter6/chapter6.md)
- - [P7 稀疏奖励](chapter7/chapter7.md)
- - [P8 模仿学习](chapter8/chapter8.md)
- - [P9 深度确定性策略梯度 (DDPG) 算法](chapter9/chapter9.md)
-
-
-
-
-
-
+- [P1 强化学习基础](chapter1/chapter1)
+- [P2 表格型方法](chapter2/chapter2)
+- [P3 策略梯度](chapter3/chapter3)
+- [P4 近端策略优化 (PPO) 算法](chapter4/chapter4)
+- [P5 Q 学习 (基本概念)](chapter5/chapter5)
+- [P6 Q 学习 (进阶技巧)](chapter6/chapter6)
+- [P7 Q 学习 (连续动作)](chapter7/chapter7)
+- [P8 演员-评论员算法](chapter8/chapter8)
+- [P9 稀疏奖励](chapter9/chapter9)
+- [P10 模仿学习](chapter10/chapter10)
+- [P11 深度确定性策略梯度 (DDPG) 算法](chapter11/chapter11)