- 目录
- [第一章 强化学习概述](chapter1/chapter1)
- [第一章 习题](chapter1/chapter1_questions&keywords)
- [第二章 马尔可夫决策过程 (MDP)](chapter2/chapter2)
- [第二章 习题](chapter2/chapter2_questions&keywords)
- [第三章 表格型方法](chapter3/chapter3)
- [第三章 习题](chapter3/chapter3_questions&keywords)
- [项目一 使用 Q-learning 解决悬崖寻路问题](chapter3/project1)
- [第四章 策略梯度](chapter4/chapter4)
- [第四章 习题](chapter4/chapter4_questions&keywords)
- [第五章 近端策略优化 (PPO) 算法](chapter5/chapter5)
- [第五章 习题](chapter5/chapter5_questions&keywords)
- [第六章 DQN (基本概念)](chapter6/chapter6)
- [第六章 习题](chapter6/chapter6_questions&keywords)
- [第七章 DQN (进阶技巧)](chapter7/chapter7)
- [第七章 习题](chapter7/chapter7_questions&keywords)
- [项目二 使用 DQN 实现 CartPole-v0](chapter7/project2)
- [第八章 DQN (连续动作)](chapter8/chapter8)
- [第八章 习题](chapter8/chapter8_questions&keywords)
- [第九章 演员-评论家算法](chapter9/chapter9)
- [第九章 习题](chapter9/chapter9_questions&keywords)
- [第十章 稀疏奖励](chapter10/chapter10)
- [第十章 习题](chapter10/chapter10_questions&keywords)
- [第十一章 模仿学习](chapter11/chapter11)
- [第十一章 习题](chapter11/chapter11_questions&keywords)
- [第十二章 深度确定性策略梯度 (DDPG) 算法](chapter12/chapter12)
- [第十二章 习题](chapter12/chapter12_questions&keywords)
- [项目三 使用 Policy-Based 方法实现 Pendulum-v0](chapter12/project3)
- [第十三章 AlphaStar 论文解读](chapter13/chapter13)