深度强化学习核心算法与应用

比白话强化学习那本要好，理论上讲得连续、透彻，但多智能体、分布式、分层强化方面的介绍有点少。

信息量不大，中规中矩，还是得看英文原著。

按发展脉络和适用场景，逐个介绍了主流的强化学习方法。 适合入门学习，不适合专业人士深入学习。 强化学习本质就是操作智能体对环境的不同状态采取不同动作从而使得特定收益最大的一种方法，游戏NPC中很常用。 先按是否对环境建模分为不建模(常用)和建模(现实环境大都很复杂难以建模)两大类。 一般用行为策略表示产生动作的策略。用评估策略来评估某个状态下某一动作的价值。 按行为策略和评估策略是否是同一个分为同策略和异策略两类。(是同一个的时候类似让学生给自己打分，不是同一个类似让老师给学生打分) 又根据动作空间有限还是很大提出两大类方法，动作空间有限的比如魂斗罗只有上下左右移动和射击；动作空间很大的比如操控工业机器人加工产品，移动多少是个连续区间。 动作空间有限的从最初Q-Learning表格决策到结合神经网络的DQN，再到提升效率的A3C和IMPALA，效果不断提升 动作空间很大的从最初DPG到结合神经网络DDPG，再到D4PG和PPO，效果也不断进步。 介绍由浅入深，不太懂高等数学的也能从描述中大概懂原理。