·名家作品：上海交通大學ACM班創始人俞勇教授、博士生導師張偉楠副教授、APEX實驗室博士生瀋鍵編寫；·理論扎實：基於上交大ACM班的人工智能專業課程構建強化學習的學習體繫；·配套資源豐富：在線代碼運行環境+在線視頻課程+在線討論區+在線習題+配套課件；·多位業內大咖力薦：字節跳動人工智能實驗室總監李航、1986年圖靈獎得主John Hopcroft、北京大學數學科學學院統計學教授張志華、倫敦大學學院計算機科學繫講席教授汪軍、亞馬遜資深科學家、《動手學深度學習》作者李沐

●第一部分 強化學習基礎
第1章 初探強化學習
1.1 簡介
1.2 什麼是強化學習
1.3 強化學習的環境
1.4 強化學習的目標
1.5 強化學習中的數據
1.6 強化學習的獨特性
1.7 小結
第2章 多臂老虎機問題
2.1 簡介
2.2 問題介紹
2.2.1 問題定義
2.2.2 形式化描述
2.2.3 累積懊悔
2.2.4 估計期望獎勵
2.3 探索與利用的平衡
2.4 □（特殊字符）-貪婪算法
2.5 上置信界算法
2.6 湯普森采樣算法
2.7 小結
2.8 參考文獻
第3章 馬爾可夫決策過程
3.1 簡介
3.2 馬爾可夫過程
3.2.1 隨機過程
3.2.2 馬爾可夫性質
3.2.3 馬爾可夫過程
3.3 馬爾可夫獎勵過程
3.3.1 回報
3.3.2 價值函數
3.4 馬爾可夫決策過程
3.4.1 策略
3.4.2 狀態價值函數
3.4.3 動作價值函數
3.4.4 貝爾曼期望方程
3.5 蒙特卡洛方法
3.6 占用度量
3.7 很優策略
3.8 小結
3.9 參考文獻
第4章 動態規劃算法
4.1 簡介
4.2 懸崖漫步環境
4.3 策略迭代算法
4.3.1 策略評估
4.3.2 策略提升
4.3.3 策略迭代
4.4 價值迭代算法
4.5 冰湖環境
……
第二部分 強化學習進階
第三部分 強化學習前沿
總結與展望
中英文術語對照表與符號表

本書繫統地介紹了強化學習的原理和實現，是一本理論扎實、落地性強的圖書。本書包含3個部分：第一部分為強化學習基礎，講解強化學習的基礎概念和表格型強化學習方法；第二部分為強化學習進階，討論深度強化學習的思維方式、深度價值函數和深度策略學習方法；第三部分為強化學習前沿，介紹學術界在深度強化學習領域的主要關注方向和前沿算法。同時，本書提供配套的線上代碼實踐平臺，展示源碼的編寫和運行過程，讓讀者進一步掌握強化學習算法的運行機制。本書理論與實踐並重，在介紹強化學習理論的同時，輔之以線上代碼實踐平臺，幫助讀者通過實踐加深對理論的理解。本書適合對強化學習感興趣的高校學生、教師，以及相關行業的開發和研究人員閱讀、實踐。