基于Python的强化学习

前言

**部分 算法与环境
第1章 强化学习概貌
1．1 强化学习导论
1．1．1 比较强化学习和监督学习
1．1．2 强化学习的历史
1．1．3 深度强化学习
1．2 强化学习的要素
1．2．1 策略
1．2．2 值函数
1．2．3 回报（奖励）
1．2．4 模型
1．3 强化学习的应用
1．3．1 游戏
1．3．2 机器人与工业4．0
1．3．3 机器学习
1．3．4 经济学与金融
1．3．5 医疗健康
1．3．6 智能交通系统
1．3．7 能源优化与智能电网
1．4 本章小结
1．5 思考题
1．6 延伸阅读
第2章 强化学习过程与OpenAIGym
2．1 环境设置
2．1．1 安装OpenAIGym
2．1．2 安装Roboschool
2．2 OpenAIGym和强化学习过程
2．2．1 开发强化学习过程
2．2．2 了解空间概念
2．3 利用TesorFlow开发强化学习模型
2．3．1 张量
2．3．2 创建计算图
2．3．3 线性回归示例
2．4 TensorBoard介绍
2．5 强化学习环境
2．5．1 为什么需要不同的环境
2．5．2 开源环境
2．6 本章小结
2．7 思考题
2．8 延伸阅读
第3章 基于动态规划的问题求解
……

第二部分 无模型强化学习算法
第三部分 超越无模型算法

附录 思考题参考答案