本书从原理的角度，力求讲解清楚深度学习、强化学习、深度强化学习中的一些精选方法，并从实践的角度，通过一系列循序渐进的原创实验，引领读者独立编程实现这些方法，以期为读者精通深度强化学习并应用深度强化学习方法解决实际问题奠定坚实基础。 本书不仅适合计算机科学与技术、人工智能、物联网工程、数据科学与大数据、软件工程、通信工程、电子信息、机器人工程、自动化、智能制造等相关专业高年级本科生及研究生教学与自学使用，也适合机器学习等领域的从业者、科研人员及爱好者自学与参考使用。

前言 “水之积也不厚，则其负大舟也无力。风之积也不厚，则其负大翼也无力。” 深度强化学习是机器学习王冠上的一颗璀璨明珠。从AlphaGo到ChatGPT，处处都有它的身影。 虽然深度强化学习问世至今已有多年，但鲜见适合初学者学习的、讲解清楚的、系统的、原理与实践并重的深度强化学习教材。这是阻碍更多人掌握深度强化学习的“拦路虎”。其中一个原因是，强化学习领域和深度学习领域的技术相对复杂——不易想清楚，更不易讲清楚。强化学习领域有一本权威的英文教科书，笔者曾在几年内读了几遍，似懂非懂。某些知名高校的强化学习英文课程，听得云里雾里。有的发表在知名学术期刊上的深度强化学习高被引论文，也存在值得商榷之处。 一本好书是一条捷径，尽管著书是一项苦差事、著“填坑”书更是呕心沥血坐冷板凳啃硬骨头。 本书从原理和实践的角度，尽量详细、清楚、系统地讲解深度学习、强化学习，以及深度强化学习中的精选方法及其编程实现，以期为读者夯实深度强化学习基础。唯有夯实基础，才能走得更远。希望本书对有志精通深度强化学习的读者有所帮助。 本书假设读者已经学习过“高等数学”“线性代数”“概率论与数理统计”等数学类课程、使用过Python语言进行编程、学习过机器学习中的监督学习方法。如果还没有学习过机器学习，推荐在开始学习本书之前学习《机器学习原理与实践（微课版）》（清华大学出版社，2022年6月出版）的前两章。 本书共分5章。 第1章简要介绍深度强化学习的概念、历史及应用领域，并为编程实现奠定基础。 第2章回顾神经网络，重点讲解深度神经网络、卷积神经网络及循环神经网络。 第3章主要讲解强化学习...