A10 / advanced
强化学习
强化学习围绕第一编 决策过程与价值、第二编 控制与策略、第三编 高级强化学习与综合复习建立连续章节顺序。
- 结构
- 3 编 · 6 章
- 适合读者
- 适合完成相关本科基础课程、需要进入高级理论与计算方法的读者。
BEFORE READING
先修与记号
本册对象
从 Markov 决策过程进入价值方法、策略优化、模型学习和离线强化学习。
符号约定
- 本册在首次使用时定义强化学习专用符号，并区分标量、向量、算子与单位。
- 同一符号出现多种约定时明确命名空间、假设和适用章节。
CONTENTS
完整目录
第一编 决策过程与价值
第一编 决策过程与价值组织Markov 决策过程与 Bellman 方程、动态规划、Monte Carlo 与时序差分，形成连续的学习单元。
第二编 控制与策略
第二编 控制与策略组织Q-learning、探索与函数逼近、策略梯度、actor–critic 与优势估计，形成连续的学习单元。
第三编 高级强化学习与综合复习
第三编 高级强化学习与综合复习组织基于模型、离线与多智能体强化学习、稳定性、评估与强化学习综合复习，形成连续的学习单元。
综合练习
- 每章安排定义辨析、推导计算和结果核验练习。
- 本册末章安排跨 Part 综合题，并保留可复算的解题检查点。