CSDN 社区图书馆
《Easy RL 强化学习教程》
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区
作者：王琦、杨毅远、江季
出版社：人民邮电出版社
图书信息
强化学习作为机器学习及人工智能领域的一种重要方法，在游戏、自动驾驶、机器人路线规划等领域得到了广泛的应用。
本书结合了李宏毅老师的“深度强化学习”、周博磊老师的“强化学习纲要”、李科浇老师的“世界冠军带你从零实践强化学习”公开课的精华内容，在理论严谨的基础上深入浅出地介绍马尔可夫决策过程、蒙特卡洛方法、时序差分方法、Sarsa、Q 学习等传统强化学习算法，以及策略梯度、近端策略优化、深度Q 网络、深度确定性策略梯度等常见深度强化学习算法的基本概念和方法，并以大量生动有趣的例子帮助读者理解强化学习问题的建模过程以及核心算法的细节。
此外，本书还提供较为全面的习题解答以及Python 代码实现，可以让读者进行端到端、从理论到轻松实践的全生态学习，充分掌握强化学习算法的原理并能进行实战。
本书适合对强化学习感兴趣的读者阅读，也可以作为相关课程的配套教材。
数量：1本
购书地址：
相关推荐
Easy RL强化学习教程.rar
《Easy RL：强化学习教程》由Qi Wang、Yiyuan Yang、Ji Jiang编写，是一本面向初学者的强化学习教程。书中整合了多位专家的资料，详细讲解了强化学习的基础知识，如马尔可夫决策过
Easy RL：强化学习教程：什么是强化学习
强化学习（reinforcement learning，RL）讨论的问题是智能体（agent）怎么在复杂、不确定的环境（environment）中最大化它能获得的奖励。如图1.1 所示，强化学习由两部分组成：智能体和环境。在强化学习过程中，智能体与环境一直在交互。智能体在环境中获取某个状态后，它会利用该状态输出一个动作（action），这个动作也称为决策（decision）。然后这个动作会在环境中被执行，环境会根据智能体采取的动作，输出下一个状态以及当前这个动作带来的奖励。智能体的目的就是尽可能多地从环境中
easy-rl:强化学习中文教程，在线阅读地址：https
本项目提供了一套系统的中文强化学习教程，整合了李宏毅、周博磊等多位专家的教学资源，涵盖从基础理论到主流算法如A2C、PPO等内容。配套代码实现了典型算法在Gym环境中的应用，包括Actor-Criti
深度强化学习入门详细资料
在这个入门资料包中，你将找到关于DRL的详尽知识，包括Easy-RL的教程、入门深度强化学习的讲解以及AlphaStar的课程内容。
强化学习入门教程：从基础到深度学习
本书名为《Easy RL：强化学习教程》，由王琦、杨毅远、江季编著，旨在为读者提供强化学习领域的全面入门指导。书中首先介绍了强化学习的基本概念，包括与监督学习的区别、序列决策过程、智能体的组成和类型、
