强化学习——从原理到实践

本书是对强化学习算法的综合性讲解书籍，内容包括主要的强化学习算法的实现思路，以及主要的优化方法的原理。本书介绍的每个算法都分为原理讲解和代码实现两部分，代码实现是为了通过实验验证原理部分的可行性。通过本书的学习，读者可以快速地了解强化学习算法的设计原理，掌握强化学习算法的实现过程，并能研发属于自己的强化学习算法，了解各个算法的优缺点，以及各个算法适用的场景。本书分6篇共18章，基础篇（第1章和第2章）介绍了强化学习中的基本概念。基础算法篇（第3~6章）介绍了QLearning算法、SARSA算法、DQN算法、Reinforce算法。高级算法篇（第7~12章）介绍了AC算法、A2C算法、PPO算法、DDPG算法、TD3算法、SAC算法、模仿学习算法。多智能体篇（第13章和第14章）介绍了在一个系统中存在多智能体时，各个智能体之间的合作、对抗等关系，以及各个智能体之间的通信策略。扩展算法篇（第15~17章）介绍了CQL算法、MPC算法、HER算法。框架篇（第18章）介绍了强化学习框架SB3的使用方法。本书将使用简单浅显的语言，带领读者快速地了解各个主要的强化学习算法的设计思路，以及实现过程。本书适合人工智能方向的初学者阅读，也可作为高等院校相关专业的教材。通过本书各个章节的学习，读者可以掌握主流的强化学习算法的原理和实现方法，并能够既知其然也知其所以然，做到融会贯通。