本书从原理和实战两个方面介绍了强化学习。原理方面，深介绍了主流强化学习理论和算法，覆盖资格迹等经典算法和MuZero等深度强化学习算法；实战方面，每章都配套了编程案例，以方便读者学习。 全书从逻辑上分为三部分。 第1章：从零始介绍强化学习的背景知识，介绍环境库Gym的使用。 第2～15章：基于折扣奖励离散时间Markov决策过程模型，介绍强化学习的主干理论和常见算法。采用数学语言推导强化学习的基础理论，而在理论的基础上讲解算法，并为算法提供配套代码实现。基础理论的讲解突出主干部分，算法讲解全面覆盖主流的强化学习算法，包括经典的非深度强化学习算法和近年流行的强化学习算法。Python实现和算法讲解一一对应，还给出了深度强化学习算法的TensorFlow和PyTorch对照实现。 第16章：介绍其他强化学习模型，包括平均奖励模型、连续时间模型、非齐次模型、半Markov模型、部分可观测模型等，以便更好了解强化学习研究的全貌。 <br/>【推荐语】<br/>携七大优势，带你一书学透强化学习，掌握ChatGPT背后的关键技术。 1）内容完备：完整地介绍了主流强化学习理论，全面覆盖主流强化学习算法，包括了资格迹等经典算法和MuZero等深度强化学习算法，且给出主要定理的证明过程。让你参透ChatGPT背后的关键技术。 2）表述一致：全书采用统一的数学符号，并兼容主流强化学习教程。 3）配套丰富：每章都配有知识总结、代码和习题。 4）环境全面：既有Gym的内置环境，也有在Gym基础上一步扩展的第三方环境，还带领读者一起实现了自定义的环境。 5）兼容广泛：所有代码均可在Windows、macOS、Linux上运行，提供安装和配置方法。同时，为深度强化学习相关算法提供了TensorFlow和PyTorch的对照实现，学习方案任你选择。 6）硬件要求低：所有代码均可在没有GPU的个人计算机上运行，也可以在线查阅运行结果。 7）版权输出：本书内容受到国际知名出版社Springer和评审专家认可，英文版同步输出，以飨读者。<br/>【作者】<br/>肖智清 强化学习一线研发人员，清华大学工学博士。在国内外出版多本人工智能专著，在知名期刊和会议上发表多篇第一作者论文。他是源项目Gym的源码贡献者，并在国内外多项程序设计和数据科学竞赛上获得冠军。<br/>
評論0