1.從基礎到應用，一本書快速入門強化學習2.基於Python實現強化學習，直觀理解運作過程3.內容豐富，涵蓋強化學習基本概念、算法詳解、前沿應用、弱點及對策4.132張圖表與大量示例，全彩印刷圖文並茂提供良好閱讀體驗5.附免費下載源代碼為讀者提供親身實踐機會

●第1章 了解強化學習
1.1 強化學習與各關鍵詞之間的關繫
1.2 強化學習的優點和弱點
1.3 強化學習的問題設定：馬爾可夫決策過程
第2章 強化學習的解法（1）：根據環境制訂計劃
2.1 價值的定義和計算：貝爾曼方程
2.2 基於動態規劃法的價值近似的學習：價值迭代
2.3 基於動態規劃法的策略的學習：策略迭代
2.4 基於模型的方法和無模型的方法的區別
第3章 強化學習的解法（2）：根據經驗制訂計劃
3.1 平衡經驗的積累與利用：Epsilon-Greedy算法
3.2 是根據實際獎勵還是預測來修正計劃：蒙特卡洛方法和時序差分學習
3.3 用經驗來更新價值近似還是策略：基於價值和基於策略
第4章 使用面向強化學習的神經網絡
4.1 將神經網絡應用於強化學習
4.2 通過含有參數的函數實現價值近似：價值函數近似
4.3 將深度學習應用於價值近似：DQN
4.4 通過含有參數的函數實現策略：策略梯度
4.5 將深度學習應用於策略：A2C
4.6 是價值近似還是策略呢
第5章 強化學習的弱點
5.1 獲取樣本的效率低
5.2 容易陷入局部很優行動和過擬合
5.3 復現性差
5.4 以弱點為前提的對策
第6章 克服強化學習弱點的方法
6.1 應對采樣效率低的方法：與基於模型的方法一起使用、表征學習
6.2 改善復現性的方法：進化策略
6.3 應對局部很優行動和過擬合的方法：模仿學習和逆強化學習
第7章 強化學習的應用領域
7.1 行動的很優化
7.2 學習的很優化
參考文獻

強化學習是機器學習的重要分支之一。本書結合實際可運行的Python代碼，通過簡明的文字、豐富的插圖和示例，通俗易懂地介紹了從基礎概念到前沿應用等方方面面的內容，包括根據環境和經驗制訂計劃的學習方法、強化學習與神經網絡的組合，以及強化學習的弱點和克服方法。讀者通過下載書中代碼並親自動手運行，可以快速入門強化學習並進行實踐。本書適合具有一定編程經驗、對強化學習感興趣的工程師閱讀。