强化学习入门（Introduction to Deep Reinforcement Learning by Shenglin Zhao）

The nearly twenty years since the publication of the first edition of this book have seen tremendous

动态系统的控制、决策和稳定性分析一直是控制学科的研究热点。基于 Bellman 的动态规划方法，为了解决由于增加状态空间和动作空间的维度而导致的维度灾难问题，开发了自适应动态规划 (ADP), 这种方

颠倒的强化学习 Pytorch中的颠倒强化学习(⅂ꓤ)实施。 基于JürgenSchmidhuber发表的论文: 该存储库包含一个离散动作空间以及一个针对OpenAI Gym CartPole环境(该

包含第六、七、八章内容的技术文档。

多智能体机器学习强化学习方法和ReinforcementLearninganIntroduction，2018第二版和迭代学习控制共三本两本国外一本国内

去年，DeepMind 的 AlphaGo 以 4-1 的比分打败了世界围棋冠军李世乭。超过 2 亿的观众就这样看着强化学习（reinforce learning）走上了世界舞台。几年前，DeepMi

本资源适用于强化学习的入门使用,比较适合学生,原理讲解的比较清晰

深度强化学习是人工智能领域的一个新的研究热点．它以一种通用的形式将深度学习的感知能力与强化学习的决策能力相结合，并能够通过端对端的学习方式实现从原始输入到输出的直接控制．自提出以来，在许多需要感知高维

TensorFlowforDeepLearningFromLinearRegressiontoReinforcementLearning英文epub本资源转载自网络，如有侵权，请联系上传者或csdn删

深度强化学习最新经典论文 ExploringDeepReinforcementLearningwithMultiQ-Learning