本書構(gòu)建了一個完整的強化學習入門路徑，深入淺出地介紹了強化學習算法的基本原理和實現(xiàn)方法。本書 首先回顧了相關(guān)預備知識，包括數(shù)學基礎和機器學習基礎，然后先介紹強化學習的基本概念，給出強化學習的 數(shù)學框架（馬爾可夫決策過程），隨后介紹強化學習的求解算法，包括表格求解法（動態(tài)規(guī)劃法、蒙特卡洛法 和時序差分法），以及近似求解法（值函數(shù)近似法、策略梯度法和深度強化學習）。本書后一部分為實踐與前 沿，實踐部分基于一個相同的例子實現(xiàn)了強化學習領域的主流基礎算法，前沿部分介紹了強化學習領域的** 研究進展。本書配有相當數(shù)量的習題供練習，配套代碼基于 Python 實現(xiàn)，源代碼均已開源，可開放獲取。 本書可作為理工科本科生、研究生的強化學習課程的教材，也可作為相關(guān)從業(yè)者掌握強化學習的入門 參考書。