- 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)
- [第三章 表格型方法](chapter3/chapter3)
- [第四章 策略梯度](chapter4/chapter4)
- [第五章 近端策略优化 (PPO) 算法](chapter5/chapter5)
- [第六章 Q 学习 (基本概念)](chapter6/chapter6)
- [第七章 Q 学习 (进阶技巧)](chapter7/chapter7)
- [第八章 Q 学习 (连续动作)](chapter8/chapter8)
- [第九章 演员-评论员算法](chapter9/chapter9)
- [第十章 稀疏奖励](chapter10/chapter10)
- [第十一章 模仿学习](chapter11/chapter11)
- [第十二章 深度确定性策略梯度 (DDPG) 算法](chapter12/chapter12)