编辑推荐
.名家作品：上海交通大学ACM班创始人俞勇教授、博士生导师张伟楠副教授、APEX实验室博士生沈键编写；.理论扎实：基于上交大ACM班的人工智能专业课程构建强化学习的学习体系；.配套资源丰富：在线代码运行环境+在线视频课程+在线讨论区+在线习题+配套课件；.多位业内大咖力荐：字节跳动人工智能实验室总监李航、1986年图灵奖得主JohnHopcroft、北京大学数学科学学院统计学教授张志华、伦敦大学学院计算机科学系讲席教授汪军、亚马逊资深科学家、《动手学深度学习》作者李沐
内容简介
本书系统地介绍了强化学习的原理和实现，是一本理论扎实、落地性强的图书。本书包含3个部分：第一部分为强化学习基础，讲解强化学习的基础概念和表格型强化学习方法；第二部分为强化学习进阶，讨论深度强化学习的思维方式、深度价值函数和深度策略学习方法；第三部分为强化学习前沿，介绍学术界在深度强化学习领域的主要关注方向和前沿算法。同时，本书提供配套的线上代码实践平台，通过展示源码的编写和运行过程，让读者进一步掌握强化学习算法的运行机制。本书理论与实践并重，在介绍强化学习理论的同时，辅之以线上代码实践平台，以帮助读者通过实践加深对理论的理解。
展开全文
- 扉页
- 作者简介
- 前 言
- 资源与支持
- 目录
- 第一部分 强化学习基础
- 第1章 初探强化学习
- 1.1 简介
- 1.2 什么是强化学习
- 1.3 强化学习的环境
- 1.4 强化学习的目标
- 1.5 强化学习中的数据
- 1.6 强化学习的独特性
- 1.7 小结
- 第2章 多臂老虎机问题
- 2.1 简介
- 2.2 问题介绍
- 2.2.1 问题定义
- 2.2.2 形式化描述
- 2.2.3 累积懊悔
- 2.2.4 估计期望奖励
- 2.3 探索与利用的平衡
- 2.4ϵ-贪婪算法
- 2.5 上置信界算法
- 2.6 汤普森采样算法
- 2.7 小结
- 2.8 参考文献
- 第3章 马尔可夫决策过程
- 3.1 简介
- 3.2 马尔可夫过程
- 3.2.1 随机过程
- 3.2.2 马尔可夫性质
- 3.2.3 马尔可夫过程
- 3.3 马尔可夫奖励过程
- 3.3.1 回报
- 3.3.2 价值函数
- 3.4 马尔可夫决策过程
- 3.4.1 策略
- 3.4.2 状态价值函数
- 3.4.3 动作价值函数
- 3.4.4 贝尔曼期望方程
- 3.5 蒙特卡洛方法
- 3.6 占用度量
- 3.7 最优策略
- 贝尔曼最优方程
- 3.8 小结
- 3.9 参考文献
- 第4章 动态规划算法
- 4.1 简介
- 4.2 悬崖漫步环境
- 4.3 策略迭代算法
- 4.3.1 策略评估
- 4.3.2 策略提升
- 4.3.3 策略迭代
- 4.4 价值迭代算法
- 4.5 冰湖环境
- 4.6 小结
- 4.7 扩展阅读：收敛性证明
- 4.7.1 策略迭代
- 4.7.2 价值迭代
- 4.8 参考文献
- 第5章 时序差分算法
- 5.1 简介
- 5.2 时序差分
- 5.3 Sarsa算法
- 5.4 多步Sarsa算法
- 5.5 Q-learning算法
- 在线策略算法与离线策略算法
- 5.6 小结
- 5.7 扩展阅读：Q-learning收敛性证明
- 5.8 参考文献
- 第6章 Dyna-Q 算法
- 6.1 简介
- 6.2 Dyna-Q
- 6.3 Dyna-Q代码实践
- 6.4 小结
- 6.5 参考文献
- 第二部分 强化学习进阶
- 第7章 DQN 算法
- 7.1 简介
- 7.2 车杆环境
- 7.3 DQN
- 7.3.1 经验回放
- 7.3.2 目标网络
- 7.4 DQN 代码实践
- 7.5 以图像作为输入的DQN 算法
- 7.6 小结
- 7.7 参考文献
- 第8章 DQN 改进算法
- 8.1 简介
- 8.2 Double DQN
- 8.3 Double DQN 代码实践
- 8.4 Dueling DQN
- 8.5 Dueling DQN 代码实践
- 8.6 小结
- 8.7 扩展阅读：对 Q值过高估计的定量分析
- 8.8 参考文献
- 第9章 策略梯度算法
- 9.1 简介
- 9.2 策略梯度
- 9.3 REINFORCE
- 9.4 REINFORCE 代码实践
- 9.5 小结
- 9.6 扩展阅读：策略梯度证明
- 9.7 参考文献
- 第10章 Actor-Critic算法
- 10.1 简介
- 10.2 Actor-Critic
- 10.3 Actor-Critic代码实践
- 10.4 小结
- 10.5 参考文献
- 第11章 TRPO 算法
- 11.1 简介
- 11.2 策略目标
- 11.3 近似求解
- 11.4 共轭梯度
- 11.5 线性搜索
- 11.6 广义优势估计
- 11.7 TRPO代码实践
- 11.8 小结
- 11.9 参考文献
- 第12章 PPO 算法
- 12.1 简介
- 12.2 PPO-惩罚
- 12.3 PPO-截断
- 12.4 PPO代码实践
- 12.5 小结
- 12.6 参考文献
- 第13章 DDPG 算法
- 13.1 简介
- 13.2 DDPG
- 13.3 DDPG代码实践
- 13.4 小结
- 13.5 扩展阅读：确定性策略梯度定理的证明
- 13.6 参考文献
- 第14章 SAC 算法
- 14.1 简介
- 14.2 最大熵强化学习
- 14.3 Soft 策略迭代
- 14.4 SAC
- 自动调整熵正则项
- 14.5 SAC代码实践
- 14.6 小结
- 14.7 参考文献
- 第三部分 强化学习前沿
- 第15章 模仿学习
- 15.1 简介
- 15.2 行为克隆
- 15.3 生成对抗模仿学习
- 15.4 代码实践
- 15.4.1 生成专家数据
- 15.4.2 行为克隆的代码实践
- 15.4.3 生成对抗模仿学习的代码实践
- 15.5 小结
- 15.6 参考文献
- 第16章 模型预测控制
- 16.1 简介
- 16.2 打靶法
- 16.2.1 随机打靶法
- 16.2.2 交叉熵方法
- 16.3 PETS算法
- 16.4 PETS 算法实践
- 16.5 小结
- 16.6 参考文献
- 第17章 基于模型的策略优化
- 17.1 简介
- 17.2 MBPO算法
- 17.3 MBPO代码实践
- 17.4 小结
- 17.5 拓展阅读：MBPO理论分析
- 17.5.1 性能提升的单调性保障
- 17.5.2 模型推演长度
- 17.6 参考文献
- 第18章 离线强化学习
- 18.1 简介
- 18.2 批量限制Q-learning算法
- 18.3 保守Q-learning算法
- 18.4 CQL代码实践
- 18.5 小结
- 18.6 扩展阅读
- 18.7 参考文献
- 第19章 目标导向的强化学习
- 19.1 简介
- 19.2 问题定义
- 19.3 HER算法
- 19.4 HER代码实践
- 19.5 小结
- 19.6 参考文献
- 第20章 多智能体强化学习入门
- 20.1 简介
- 20.2 问题建模
- 20.3 多智能体强化学习的基本求解范式
- 20.4 IPPO算法
- 20.5 IPPO代码实践
- 20.6 小结
- 20.7 参考文献
- 第21章 多智能体强化学习进阶
- 21.1 简介
- 21.2 MADDPG算法
- 21.3 MADDPG代码实践
- 21.4 小结
- 21.5 参考文献
- 总结与展望
- 总结
- 展望：克服强化学习的落地挑战
- 中英文术语对照表与符号表
- 中英文术语对照表
- 符号表
展开全部
版权信息
出版社：人民邮电出版社
出版时间：1970
作者：张伟楠，沈键，俞勇
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《动手学强化学习》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。
出版时间：1970
作者：张伟楠，沈键，俞勇
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《动手学强化学习》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。
动手学强化学习
免费读 (VIP)