深入浅出强化学习：编程实战

书名：深入浅出强化学习：编程实战
作者：郭宪，宋俊潇，方勇纯著
ISBN：978-7-121-36746-5
出版社：电子工业出版社
出版日期：2020.03
本书是《深入浅出强化学习：原理入门》的姐妹篇。首先介绍马尔科夫决策过程的理论框架，然后介绍基于动态规划的策略迭代算法和值迭代算法，在此基础上分三大篇分别介绍了目前强化学习算法中最基本的算法。第一篇为基于值函数的强化学习算法，该篇介绍了基于两种策略评估方法（蒙特卡洛策略评估和时间差分策略评估）的强化学习算法，进而介绍了如何将函数逼近的方法引入到强化学习算法中。第二篇为直接策略搜索方法，该篇介绍了最基本的策略梯度方法、基本的AC方法、PPO方法和DDPG算法。第三篇为基于模型的强化学习方法，该篇介绍了基于mpc的方法，AlphaZero算法基本原理及在五子棋上的具体实现细节。