图书简介
本书构建了一个完整的强化学习入门路径，深入浅出地介绍了强化学习算法的基本原理和实现方法。本书 首先回顾了相关预备知识，包括数学基础和机器学习基础，然后先介绍强化学习的基本概念，给出强化学习的
数学框架（马尔可夫决策过程），随后介绍强化学习的求解算法，包括表格求解法（动态规划法、蒙特卡洛法
和时序差分法），以及近似求解法（值函数近似法、策略梯度法和深度强化学习）。本书最后一部分为实践与前
沿，实践部分基于一个相同的例子实现了强化学习领域的主流基础算法，前沿部分介绍了强化学习领域的**
研究进展。本书配有相当数量的习题供练习，配套代码基于 Python 实现，源代码均已开源，可开放获取。
本书可作为理工科本科生、研究生的“强化学习”课程的教材，也可作为相关从业者掌握强化学习的入门
参考书。