书籍 · 资源记录
Reinforcement Learning: An Introduction, Second Edition
系统介绍多臂赌博机、Markov 决策过程、价值估计、控制、函数逼近与策略梯度。
Richard S. Sutton, Andrew G. Barto2018MIT Press链接核验于 2026-07-14
为什么重要
用于核对 A10 的定义、Bellman 推导、经典算法与收敛条件；高级离线与多智能体内容另标研究边界。
书籍 · 资源记录
系统介绍多臂赌博机、Markov 决策过程、价值估计、控制、函数逼近与策略梯度。
用于核对 A10 的定义、Bellman 推导、经典算法与收敛条件；高级离线与多智能体内容另标研究边界。