深度強化學習核心算法與應用

比白話強化學習那本要好，理論上講得連續、透徹，但多智能體、分佈式、分層強化方面的介紹有點少。

信息量不大，中規中矩，還是得看英文原著。

按發展脈絡和適用場景，逐個介紹了主流的強化學習方法。 適合入門學習，不適合專業人士深入學習。 強化學習本質就是操作智能體對環境的不同狀態採取不同動作從而使得特定收益最大的一種方法，遊戲NPC中很常用。 先按是否對環境建模分爲不建模(常用)和建模(現實環境大都很複雜難以建模)兩大類。 一般用行爲策略表示產生動作的策略。用評估策略來評估某個狀態下某一動作的價值。 按行爲策略和評估策略是否是同一個分爲同策略和異策略兩類。(是同一個的時候類似讓學生給自己打分，不是同一個類似讓老師給學生打分) 又根據動作空間有限還是很大提出兩大類方法，動作空間有限的比如魂鬥羅只有上下左右移動和射擊；動作空間很大的比如操控工業機器人加工產品，移動多少是個連續區間。 動作空間有限的從最初Q-Learning表格決策到結合神經網絡的DQN，再到提升效率的A3C和IMPALA，效果不斷提升 動作空間很大的從最初DPG到結合神經網絡DDPG，再到D4PG和PPO，效果也不斷進步。 介紹由淺入深，不太懂高等數學的也能從描述中大概懂原理。