強化學習——從原理到實踐

內容簡介

"本書是對強化學習算法的綜合性講解書籍，內容包括主要的強化學習算法的實現思路講解，以及主要的優化方法的原理講解。本書介紹的每個算法都分爲原理講解和代碼實現兩部分，代碼實現是爲了通過實驗驗證原理部分的可行性。通過本書的學習，讀者可以快速地瞭解強化學習算法的設計原理，掌握強化學習算法的實現過程，並能研發屬於自己的強化學習算法，瞭解各個算法的優缺點，以及各個算法適用的場景。 本書共18章，分爲強化學習基礎篇（第1章和第2章）介紹了強化學習中的基本概念。強化學習基礎算法篇（第3~6章）介紹了QLearning算法、SARSA算法、DQN算法、Reniforce算法。強化學習高級算法篇（第7~12章）介紹了AC演員評委算法、A2C優勢演員評委算法、PPO近端策略優化算法、DDPG深度確定性策略梯度算法、TD3雙延遲深度確定性策略梯度算法、SAC柔性演員評委算法、模仿學習算法。多智能體篇（第13章和第14章），介紹了在一個系統中存在多智能體時，各個智能體之間的合作、對抗等關係，以及各個智能體之間的通信策略。擴展算法篇（第15~17章）介紹了CQL離線學習算法、MPC環境學習算法、HER目標導向算法。SB3強化學習框架篇（第18章），介紹了強化學習框架SB3的使用方法。 本書將使用最簡單淺顯的語言，帶領讀者快速地瞭解各個主要的強化學習算法的設計思路，以及實現過程。通過本書各個章節的學習，讀者可以掌握主流的強化學習算法的原理和實現方法，能夠讓讀者知其然也知其所以然，做到融會貫通。 "

書籍信息