UP主： 封面： 简介：教材PDF+PPT+代码网址：1. 【Github】：https://github.com/MathFoundationRL/Book-Mathmatical-Foundation-of-Reinforcement-Learning 2. 【百度网盘】：https://pan.baid...
视频选集 【一张图讲完强化学习原理】 30分钟了解强化学习名词脉络 第1课-基本概念（State,action,policy等） 第1课-基本概念（Reward,return,MDP等） 第2课-贝尔曼公式（例子说明Return的重要性） 第2课-贝尔曼公式（State value的定义） 第2课-贝尔曼公式（贝尔曼公式的详细推导） 第2课-贝尔曼公式（公式向量形式与求解） 第2课-贝尔曼公式（Action value的定义） 第3课-贝尔曼最优公式（例子-如何改进策略） 第3课-贝尔曼最优公式（最优策略和公式推导） 第3课-贝尔曼最优公式（公式求解以及最优性） 第3课-贝尔曼最优公式（最优策略的有趣性质） 第4课-值迭代与策略迭代（值迭代算法） 第4课-值迭代与策略迭代（策略迭代算法） 第4课-值迭代与策略迭代（截断策略迭代算法） 第5课-蒙特卡洛方法（通过例子介绍蒙特卡洛） 第5课-蒙特卡洛方法（MC Basic算法介绍） 第5课-蒙特卡洛方法（MC Basic算法例子） 第5课-蒙特卡洛方法（MC Exploring Starts算法） 第5课-蒙特卡洛方法（MC Epsilon-Greedy算法介绍） 第5课-蒙特卡洛方法（MC Epsilon-Greedy算法例子） 第6课-随机近似与随机梯度下降（通过例子介绍Iterative mean estimation） 第6课-随机近似与随机梯度下降（Robbins-Monro算法介绍与例子） 第6课-随机近似与随机梯度下降（Robbins-Monro算法收敛性及应用） 第6课-随机近似与随机梯度下降（随机梯度下降算法介绍） 第6课-随机近似与随机梯度下降（随机梯度下降例子与收敛性） 第6课-随机近似与随机梯度下降（随机梯度下降有趣的性质） 第6课-随机近似与随机梯度下降（随机梯度下降对比BGD, MBGD, SGD） 第7课-时序差分方法（例子） 第7课-时序差分方法（TD算法介绍） 第7课-时序差分方法（TD算法收敛性、与MC的比较） 第7课-时序差分方法（Sarsa） 第7课-时序差分方法（Expected Sarsa 和n-step Sarsa） 第7课-时序差分方法（Q-learning介绍、on-policy vs off-policy） 第7课-时序差分方法（Q-learning伪代码与例子） 第7课-时序差分方法（TD算法的统一形式和总结） 第8课-值函数近似（例子-曲线拟合） 第8课-值函数近似（原理-目标函数介绍） 第8课-值函数近似（原理-优化算法和函数选择） 第8课-值函数近似（原理-示例与分析） 第8课-值函数近似（Sarsa和Q-learning） 第8课-值函数近似（DQN-基本原理） 第8课-值函数近似（DQN-Experience replay） 第8课-值函数近似（DQN-代码与例子） 第9课-策略梯度方法（该方法的基本思路） 第9课-策略梯度方法（该方法的目标函数1-Average value） 第9课-策略梯度方法（该方法的目标函数2-Average reward） 第9课-策略梯度方法（目标函数的梯度计算） 第9课-策略梯度方法（梯度上升算法和REINFORCE） 第10课-Actor-Critic方法（最简单的Actor-Critic (QAC)） 第10课-Actor-Critic方法（Advantage Actor-Critic (A2C)） 第10课-Actor-Critic方法（重要性采样和Off-Policy Actor-Critic）_更新 第10课-Actor-Critic方法（Deterministic Actor-Critic (DPG)） 第10课-Actor-Critic方法（再见）
