编辑推荐
强化学习14章全书概括:基础知识、主要方法、算法集成、博弈问题应用。
内容简介
《强化学习/人工智能科学与技术丛书》内容系统全面，覆盖面广，既有理论阐述、公式推导，又有丰富的典型案例，理论联系实际。书中全面系统地描述了强化学习的起源、背景和分类，各类强化学习算法的原理、实现方式以及各算法间的关系，为读者构建了一个完整的强化学习知识体系；同时包含丰富的经典案例，如各类迷宫寻宝、飞翔小鸟、扑克牌、小车爬山、倒立摆、钟摆、多臂赌博机、五子棋、AlphaGo、AlphaGo Zero、AlphaZero等，通过给出它们对应的详细案例说明和代码描述，让读者深度理解各类强化学习算法的精髓。《强化学习/人工智能科学与技术丛书》案例生动形象，描述深入浅出，代码简洁易懂，注释详细。该书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对强化学习感兴趣的研究人员和工程技术人员阅读参考。
作者简介
邹伟博士，睿客邦创始人，研究方向为机器学习、数据挖掘、计算几何，致力于机器学习和深度学习在实际中的应用；主持研发50多个人工智能领域工业级项目，并受邀在中国移动、花旗银行、中信集团、中航信、烽火科技、京东方、完美世界等公司进行了上百场讲座和内部培训。创立的睿客邦与国内十多所高校建立了AI联合实验室或实训基地；兼任天津大学创业导师、山东交通学院客座教授等。曾在多个在线平台讲授“机器学习”“深度学习”等课程，广受网友好评，累计学习人数超过百万。
鬲玲硕士，北京神舟航天软件公司知识工程团队负责人，资深研发工程师。研究方向为知识工程、语义检索、强化学习、自然语言处理。作为牵头单位技术负责人参与并完成国家科技支撑计划项目1项，863计划项目1项。有多年知识管理系统以及自然语言处理项目研发经验，目前正致力于垂直领域知识图谱的落地以及强化学习在自然语言处理领域的应用。
刘昱杓现供职于央视市场研究，深度学习、强化学习研发工程师，研究方向为计算机视觉。有多年深度学习视觉方向开发经验，参与了多个图像识别、目标检测、目标追踪等领域的落地项目。目前专注于深度强化学习方向的研究。
章节目录
封面页
书名页
版权页
内容简介
彩插
序言
自序
前言
目录
第1章 强化学习概述
1.1 强化学习的背景
1.2 强化学习初探
1.2.1 智能体和环境
1.2.2 智能体主要组成
1.2.3 强化学习、监督学习、非监督学习
1.2.4 强化学习分类
1.2.5 研究方法
1.2.6 发展历程
1.3 强化学习的重点概念
1.3.1 学习与规划
1.3.2 探索与利用
1.3.3 预测与控制
1.4 小结
1.5 习题
第2章 马尔可夫决策过程
2.1 马尔可夫基本概念
2.1.1 马尔可夫性
2.1.2 马尔可夫过程
2.1.3 马尔可夫决策过程
2.2 贝尔曼方程
2.2.1 贝尔曼期望方程
2.2.2 贝尔曼最优方程
2.3 最优策略
2.3.1 最优策略定义
2.3.2 求解最优策略
2.4 小结
2.5 习题
第3章 动态规划
3.1 动态规划简介
3.2 策略评估
3.3 策略改进
3.4 策略迭代
3.5 值迭代
3.6 实例讲解
3.6.1 “找宝藏”环境描述
3.6.2 策略迭代
3.6.3 值迭代
3.6.4 实例小结
3.7 小结
3.8 习题
第4章 蒙特卡罗
4.1 蒙特卡罗简介
4.2 蒙特卡罗评估
4.3 蒙特卡罗控制
4.4 在线策略蒙特卡罗
4.5 离线策略蒙特卡罗
4.5.1 重要性采样离线策略蒙特卡罗
4.5.2 加权重要性采样离线策略蒙特卡罗
4.6 实例讲解
4.6.1 “十点半”游戏
4.6.2 在线策略蒙特卡罗
4.6.3 离线策略蒙特卡罗
4.6.4 实例小结
4.7 小结
4.8 习题
第5章 时序差分
5.1 时序差分简介
5.2 三种方法的性质对比
5.3 Sarsa：在线策略TD
5.4 Q-learning：离线策略TD方法
5.5 实例讲解
5.5.1 迷宫寻宝
5.5.2 Sarsa方法
5.5.3 Q-learning方法
5.5.4 实例小结
5.6 小结
5.7 习题
第6章 资格迹
6.1 资格迹简介
6.2 多步TD评估
6.3 前向算法
6.4 后向算法
6.5 前向算法与后向算法的统一
6.6 Sarsa（λ）方法
6.6.1 前向Sarsa（λ）方法
6.6.2 后向Sarsa（λ）方法
6.7 Q（λ）方法
6.7.1 前向Watkins's Q（λ）方法
6.7.2 后向Watkins's Q（λ）方法
*6.7.3 Peng's Q（λ）方法
6.8 实例讲解
6.8.1 风格子世界
6.8.2 后向Sarsa（λ）
6.8.3 后向Q（λ）
6.8.4 实例小结
6.9 小结
6.10 习题
第7章 值函数逼近
7.1 值函数逼近简介
7.2 线性逼近
7.2.1 增量法
7.2.2 批量法
7.3 非线性逼近
7.3.1 DQN方法
7.3.2 Double DQN方法
7.3.3 Dueling DQN方法
7.4 实例讲解
7.4.1 游戏简介
7.4.2 环境描述
7.4.3 算法详情
7.4.4 核心代码
7.5 小结
7.6 习题
第8章 随机策略梯度
8.1 随机策略梯度简介
8.1.1 策略梯度优缺点
8.1.2 策略梯度方法分类
8.2 随机策略梯度定理及证明
8.2.1 随机策略梯度定理
*8.2.2 随机策略梯度定理证明
8.3 蒙特卡罗策略梯度
8.3.1 REINFORCE方法
8.3.2 带基线的REINFORCE方法
8.4 TRPO方法
8.5 实例讲解
8.5.1 游戏简介及环境描述
8.5.2 算法详情
8.5.3 核心代码
8.6 小结
8.7 习题
第9章 Actor-Critic及变种
9.1 AC方法
9.1.1 在线策略AC方法
9.1.2 离线策略AC方法
9.1.3 兼容性近似函数定理
9.2 A2C方法
9.3 A3C方法
9.3.1 简介
9.3.2 异步Q-learning方法
9.3.3 异步Sarsa方法
9.3.4 异步n步Q-learning方法
9.3.5 A3C方法详述
9.4 实例讲解
9.4.1 AC实例
9.4.2 A3C实例
9.5 小结
9.6 习题
第10章 确定性策略梯度
10.1 确定性策略梯度及证明
10.1.1 确定性策略梯度定理
*10.1.2 确定性策略梯度定理证明
10.2 DPG方法
10.2.1 在线策略确定性AC方法
10.2.2 离线策略确定性AC
10.2.3 兼容性近似函数定理
10.3 DDPG方法
10.3.1 DDPG简介
10.3.2 算法要点
10.3.3 算法流程
10.4 实例讲解
10.4.1 游戏简介及环境描述
10.4.2 算法详情
10.4.3 核心代码
10.5 小结
10.6 习题
第11章 学习与规划
11.1 有模型方法和无模型方法
11.2 模型拟合
11.2.1 模型数学表示
11.2.2 监督式学习构建模型
11.2.3 利用模型进行规划
11.3 Dyna框架及相关算法
11.3.1 Dyna-Q
11.3.2 Dyna-Q
11.3.3 优先级扫描的Dyna-Q
11.4 Dyna-2
11.5 实例讲解
11.5.1 游戏简介及环境描述
11.5.2 算法详情
11.5.3 核心代码
11.6 小结
11.7 习题
第12章 探索与利用
12.1 探索-利用困境
12.2 多臂赌博机问题
12.3 朴素探索
12.4 乐观初始值估计
12.5 置信区间上界
12.6 概率匹配
12.7 信息价值
12.8 实例讲解
12.8.1 游戏简介及环境描述
12.8.2 算法详情
12.8.3 核心代码
12.9 小结
12.10 习题
第13章 博弈强化学习
13.1 博弈及博弈树
13.2 极大极小搜索
13.3 Alpha-Beta搜索
13.4 蒙特卡罗树搜索
13.5 AlphaGo
13.5.1 监督学习策略网络p_σ
13.5.2 快速走子策略网络p_π
13.5.3 强化学习策略网络p_ρ
13.5.4 价值网络v_θ
13.5.5 蒙特卡罗树搜索
13.5.6 总结
13.6 AlphaGo Zero
13.6.1 下棋原理
13.6.2 网络结构
13.6.3 蒙特卡罗树搜索
13.6.4 总结
13.7 AlphaZero
13.8 实例讲解
13.8.1 游戏简介及环境描述
13.8.2 算法流程描述
13.8.3 算法细节
13.8.4 核心代码
13.9 小结
13.10 习题
参考文献
强化学习是2020年由清华大学出版社出版,作者邹伟。
得书感谢您对《强化学习》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
