強化學習：原理與Python實現

本書理論完備，涵蓋主流經典強化學習算法和深度強化學習算法；實戰性強，基於Python、Gym、TensorFlow 2、AlphaZero等構建，配套代碼與綜合案例。全書共12章，主要內容如下。
第1章：介紹強化學習的基礎知識與強化學習環境庫Gym的使用，並給出完整的編程實例。
第2～9章：介紹強化學習的理論知識。以Markov決策過程為基礎模型，覆蓋了所有主流強化學習理論和算法，包括資格跡等經典算法和深度確定性梯度策略等深度強化學習算法。所有章節都提供了與算法配套的Python程序，使讀者完全掌握強化學習算法的原理與應用。
第10～12章：介紹了多個熱門綜合案例，包括電動遊戲、棋盤遊戲和自動駕駛。算法部分涵蓋了在《自然》《科學》等權威期刊上發表的多個深度強化學習明星算法。

強化學習是一種重要的機器學習方法。近幾年不斷有新的明星強化學習算法發表，在科研機構和因特網等行業中引起巨大反響。強化學習已經成為因特網等行業從業人員的必備知識。為了讓讀者從理論與實踐方面系統地掌握強化學習，本書寫作時考慮了以下幾個方面。
本書亮點：
保證了理論完整性，涵蓋了主流經典強化學習算法和深度強化學習算法，且採用同一套字母演繹，方便理解。
為每章都配套了代碼（特別是深度強化學習），代碼的變量名與實現方法均一致，且代碼兼容Windows。
深度強化學習配套代碼基於TensorFlow 2實現，方便讀者研習掌握先進的算法與工具。
多個綜合案例，涵蓋AlphaZero應用、基於模擬環境的自動駕駛等。
對硬件配置要求低，第2~9章的配套代碼不需要GPU即可運行，第10~12章的配套代碼只需普通的GPU即可運行。