强化学习/中外学者论AI
《强化学习/中外学者论AI》介绍强化学习原理、算法及其实现。内容涉及基于模型的强化学习、基于采样-估计的强化学习、基于逼近理论的强化学习及深度强化学习等。 《强化学习/中外学者论AI》以教学为目标进行选材，力求阐述严谨、重点突出、深入浅出，以便于教学与自学。 《强化学习/中外学者论AI》面向所有对强化学习感兴趣的读者，可作为高等学校理工科高年级本科生、研究生强化学习课程教材或参考书。
简介
《强化学习/中外学者论AI》介绍强化学习原理、算法及其实现。内容涉及基于模型的强化学习、基于采样-估计的强化学习、基于逼近理论的强化学习及深度强化学习等。 《强化学习/中外学者论AI》以教学为目标进行选材，力求阐述严谨、重点突出、深入浅出，以便于教学与自学。 《强化学习/中外学者论AI》面向所有对强化学习感兴趣的读者，可作为高等学校理工科高年级本科生、研究生强化学习课程教材或参考书。
版权
出版社清华大学出版社
出版时间2019年12月
分类计算机-人工智能
热门划线
强化学习/中外学者论AI
柯良军 王小强
- 绪论
- 1．1 引言
- 1．2 解决复杂问题的朴素思想
- 1．2．1 数学建模与优化
- 1．2．2 采样和估计
- 1．2．3 逼近
- 1．2．4 迭代
- 1．3 强化学习简史
- 1．4 本书主要内容及结构
- 1．5 小结
- 1．6 习题
- 参考文献
- 基础知识
- 2．1 运筹学简明基础
- 2．1．1 无约束非线性规划优化方法
- 2．1．2 KKT条件
- 2．1．3 凸规划的性质
- 2．2 概率与统计简明基础
- 2．2．1 概率论基本概念
- 2．2．2 概率论的收敛定理
- 2．2．3 统计学的基本概念
- 2．2．4 最大似然估计法
- 2．2．5 估计量的优良性评估
- 2．2．6 采样与随机模拟
- 2．2．7 Monte Carlo方法简介
- 2．2．8 重要采样法
- 2．3 小结
- 2．4 习题
- 参考文献
- 第一篇基于模型的强化学习
- 多摇臂问题
- 3．1 动作值方法
- 3．2 非平稳多摇臂问题
- 3．3 UCB动作选择
- 3．4 梯度摇臂算法
- 3．5 习题
- 参考文献
- Markov决策过程
- 4．1 定义和记号
- 4．2 有限Markov决策过程
- 4．3 Bellman方程
- 4．4 最优策略
- 4．5 小结
- 4．6 习题
- 参考文献
- 动态规划
- 5．1 策略评估
- 5．2 策略改进
- 5．3 策略迭代
- 5．4 值迭代
- 5．5 异步动态规划
- 5．6 收敛性证明
- 5．7 小结
- 5．8 习题
- 参考文献
- 第二篇基于采样-估计的强化学习
- 策略评估
- 6．1 基于Monte Carlo方法的策略评估
- 6．1．1 同策略Monte Carlo策略评估
- 6．1．2 异策略Monte Carlo策略评估
- 6．2 基于时序差分方法的策略评估
- 6．3 n步预测
- 6．4 小结
- 6．5 习题
- 参考文献
- 策略控制
- 7．1 同策略Monte Carlo控制
- 7．2 同策略时序差分学习
- 7．3 异策略学习
- 7．4 基于TD（耄┑牟呗钥刂?
- 7．5 实例
- 7．5．1 问题介绍
- 7．5．2 MDP模型的要素
- 7．5．3 策略评估
- 7．5．4 策略控制
- 7．6 小结
- 7．7 习题
- 参考文献
- 学习与规划的整合
- 8．1 模型和规划
- 8．2 Dyna：整合规划、动作和学习
- 8．3 几个概念
- 8．4 在决策关头的规划
- 8．4．1 启发式算法
- 8．4．2 rollout算法
- 8．4．3 Monte Carlo树搜索
- 8．5 小结
- 8．6 习题
- 参考文献
- 第三篇基于逼近理论的强化学习
- 值函数逼近
- 9．1 基于随机梯度下降法的值函数逼近
- 9．2 基于随机梯度下降法的Q-值函数逼近
- 9．3 批处理
- 9．3．1 线性最小二乘值函数逼近
- 9．3．2 线性最小二乘Q-值函数逼近
- 9．4 小结
- 9．5 习题
- 参考文献
- 策略逼近
- 10．1 策略梯度法
- 10．1．1 最优参数问题的目标函数
- 10．1．2 策略梯度
- 10．1．3 梯度计算
- 10．1．4 REINFORCE算法
- 10．2 方差减少方法
- 10．2．1 利用一个评论
- 10．2．2 利用基准线
- 10．3 小结
- 10．4 习题
- 参考文献
- 信赖域策略优化
- 11．1 预备知识
- 11．2 单调改进一般性随机策略的方法
- 11．3 参数化策略的优化
- 11．4 基于采样的目标和约束估计
- 11．5 实用算法
- 11．6 小结
- 11．7 习题
- 参考文献
- 第四篇深度强化学习
- 深度学习
- 12．1 神经网络基础
- 12．1．1 神经网络解决问题的基本流程
- 12．1．2 激活函数
- 12．1．3 损失函数
- 12．1．4 优化算法
- 12．2 典型深度神经网络结构
- 12．2．1 深度的作用
- 12．2．2 卷积神经网络
- 12．2．3 循环神经网络
- 参考文献
- 深度Q-网络
- 13．1 DQN原理
- 13．1．1 预处理
- 13．1．2 网络结构
- 13．1．3 算法
- 13．1．4 深度Q-网络的训练算法
- 13．1．5 算法详细说明
- 13．2 DQN实例
- 13．2．1 Atari 2600游戏介绍
- 13．2．2 DQN算法的实现
- 13．3 小结
- 13．4 习题
- 参考文献
- 深度确定性策略梯度
- 14．1 DDPG算法介绍
- 14．1．1 DDPG算法的发展介绍
- 14．1．2 DDPG算法的原理解析
- 14．2 DDPG算法的实现
- 14．2．1 Mujoco的安装及使用
- 14．2．2 DDPG算法的实现解析
- 14．2．3 DDPG算法的训练和测试
- 参考文献
- 多智能体强化学习
- 15．1 多智能体强化学习介绍
- 15．1．1 多智能体强化学习的发展简述
- 15．1．2 随机博弈
- 15．1．3 纳什Q-学习
- 15．2 平均场多智能体强化学习原理
- 15．2．1 平均场近似理论
- 15．2．2 平均场多智能体强化学习算法
- 15．3 平均场多智能体实验
- 15．3．1 MAgent平台
- 15．3．2 混合合作-竞争的战斗游戏介绍
- 15．3．3 MF-Q和MF-AC算法的实现解析
- 15．3．4 战斗游戏的训练与测试
- 参考文献