- 目录
- [P1 强化学习概述](chapter1/chapter1)
- [P2 马尔可夫决策过程 (MDP)](chapter2/chapter2)
- [P3 表格型方法](chapter3/chapter3)
- [P4 策略梯度](chapter4/chapter4)
- [P5 近端策略优化 (PPO) 算法](chapter5/chapter5)
- [P6 Q 学习 (基本概念)](chapter6/chapter6)
- [P7 Q 学习 (进阶技巧)](chapter7/chapter7)
- [P8 Q 学习 (连续动作)](chapter8/chapter8)
- [P9 演员-评论员算法](chapter9/chapter9)
- [P10 稀疏奖励](chapter10/chapter10)
- [P11 模仿学习](chapter11/chapter11)
- [P12 深度确定性策略梯度 (DDPG) 算法](chapter12/chapter12)