●前言
●第1章強化學習概述
●1.1簡介
●1.2形式框架
●1.2.1馬爾可夫決策過程
●1.2.2策略
●1.2.3回報
●1.3值函數
●1.4解決強化學習問題
●1.4.1動態規劃：基於模型的解決技術
●1.4.2強化學習：模型無關的解決技術
●1.5本章小結
●參考文獻
●第2章大規模或連續狀態空間的強化學習
●2.1簡介
●2.2近似表示
●2.2.1帶參數化值函數逼近
●2.2.2非參數化值函數逼近
●2.3值函數逼近求解方法
●2.3.1梯度下降方法
●部分目錄

從與環境交互中學習是人類獲取知識的主要方法，也是人類提高智能水平的基本途徑。人類智能研究的一個很核心問題就是構建具有類似人類智能的繫統。該繫統的一個主要特征就是能夠適應未知環境，並逐漸增強其自身能力。本書對連續狀態空間的理論、算法及應用進行了研究和論述。主要包括：強化學習基本理論和大規模強化學習基本理論。