強化學習入門：從原理到實踐

Alpha zero五子棋那個項目，原作者的知乎專欄很好懂，本書這個越搞越複雜，代碼沒講好，思想也沒講好

一本好書，寫的很精彩，簡潔明瞭，思想上很透徹。強化學習本質上也是一種求解能夠帶來最終最優獎勵時每個狀態下該如何做出最優策略的決策問題，這和一般的運籌學模型（即最優化問題，包括動態規劃法等）根本目的相同，但顯然強化學習方法適用範圍更廣，適用更大的狀態空間，階段數可以不同，也不一定要求環境動力學模型（有實際交互數據也可以），因爲其可基於深度學習方法故可以學習到每個狀態下的最優策略，這用其他方法是很難做到的。從模型複雜程度和計算量來說，可以優先選用其他方法。

本書還是非常清晰易懂，值得看。代碼都跳過了，沒有時間啊。觀看不練不知道能不能成爲掃地僧，或者王語嫣也行。

斷斷續續讀完了，第一次讀了大概1/3後間隔了快一個月，導致再讀的時候前邊的知識點都忘了，又重頭開始讀的。這本書前半部分寫的通俗易懂，後半部分寫的略微生澀，是一本還不錯的強化學習入門書，由於出版時間限制，沒有覆蓋到最近大模型中比較火的RLHF和PPO算法。

入門還是可以的，概念清晰，例子也明白