本書構(gòu)建了一個完整的強化學(xué)習(xí)入門路徑，深入淺出地介紹了強化學(xué)習(xí)算法的基本原理和實現(xiàn)方法。本書 首先回顧了相關(guān)預(yù)備知識，包括數(shù)學(xué)基礎(chǔ)和機器學(xué)習(xí)基礎(chǔ)，然后先介紹強化學(xué)習(xí)的基本概念，給出強化學(xué)習(xí)的 數(shù)學(xué)框架（馬爾可夫決策過程），隨后介紹強化學(xué)習(xí)的求解算法，包括表格求解法（動態(tài)規(guī)劃法、蒙特卡洛法 和時序差分法），以及近似求解法（值函數(shù)近似法、策略梯度法和深度強化學(xué)習(xí)）。本書后一部分為實踐與前 沿，實踐部分基于一個相同的例子實現(xiàn)了強化學(xué)習(xí)領(lǐng)域的主流基礎(chǔ)算法，前沿部分介紹了強化學(xué)習(xí)領(lǐng)域的** 研究進展。本書配有相當數(shù)量的習(xí)題供練習(xí)，配套代碼基于 Python 實現(xiàn)，源代碼均已開源，可開放獲取。 本書可作為理工科本科生、研究生的強化學(xué)習(xí)課程的教材，也可作為相關(guān)從業(yè)者掌握強化學(xué)習(xí)的入門 參考書。