深度强化学习结合了深度学习和强化学习，使人工智能体能够在没有监督的情况下学习如何解决顺序决策问题。在过去的十年中，深度强化学习在一系列问题上取得了显著的成果，涵盖从单机游戏和多人游戏到机器人技术等方方面面。本书采用理论结合实践的方法，从直觉开始，然后仔细解释深度强化学习算法的理论，讨论在配套软件库SLM Lab中的实现，最后呈现深度强化学习算法的实践细节。

通过阅读《 深度强化学习：基于Python的理论及实践（英文版） 》，你将：

1）理解深度强化学习问题的每个关键方面。

2）探索基于策略和基于值的算法，包括REINFORCE算法、SARSA算法、DQN、双重DQN和优先级经验回放（PER）。

3）深入研究组合算法，包括演员-评论家算法和近端策略优化（PPO）算法。

4）了解算法的同步并行和异步并行。

5）在SLM Lab中运行算法，学习深度强化学习的实现细节。

6）探索算法基准测试结果与调优超参数。

7）了解深度强化学习的环境设计。

《 深度强化学习：基于Python的理论及实践（英文版） 》

http://product.china-pub.com/8077296

http://m.china-pub.com/touch/touchproduct.aspx?id=8077296

点击 机器学习 算法 与 Python 学习 ，选择加星标精彩内容不迷路机器之心报道由于太受欢迎，这本书先后出版了英文、中文简体和中文繁体三个版本。其覆盖内容的范围之广令帝国理工学院教授、香港浸会... 我认为有了 python 编程基础和神经网络的基础，应该把斋藤康毅 所讲的《 深度学习 入门 python 的 理论 与实现》作为 理论 基础入门，然后把何之源所写的《21个项目玩转 深度学习 基于TensorFlow的 实践 详解》作为 实践 学习。 《 深度学习 入门基于 Python 的 理论 与实现》应该属于 深度学习 真正意义上的入门书。 《 深度学习 入门基于 Python 的 理论 与实现》中文PDF，314页，带书签目录，文字可以复制；... 本文为 深度学习 入门：基于 Python 的 理论 与实现的学习笔记，由于笔者已有matalb、c\c++，java相关语言基础，故只记录不同之处需要注意的地方，供给有其他有语言基础，没学过 python 但研究方向为 机器学习 等分支方向的同学参考。... 基于 深度强化学习 的MEC计算卸载与资源分配( python ) 基于 深度强化学习 的MEC计算卸载与资源分配( python ) 基于 深度强化学习 的MEC计算卸载与资源分配( python ) 基于 深度强化学习 的MEC计算卸载与资源分配( python ) 基于 深度强化学习 的MEC计算卸载与资源分配( python ) 基于 深度强化学习 的MEC计算卸载与资源分配( python ) 基于 深度强化学习 的MEC计算卸载与资源分配( python ) 基于 深度强化学习 的MEC计算卸载与资源分配( python ) 基于 深度强化学习 的MEC计算卸载与资源分配( python ) 马尔可夫决策过程(MDP)马尔可夫决策过程(Markov Decision Process)通常用来描述一个强化学习问题。智能体agent根据当前对环境的观察采取动作获得环境的反馈，并使环境发生改变的循环过程蒙特卡洛强化学习1.在现实的强化学习任务中，环境的转移概率、奖励函数往往很难得知，甚至很难得知环境中有多少状态。若学习 算法 不在依赖于环境建模，则称为免模型学习，蒙特卡洛强化学习就是其... 点击上方“AI遇见 机器学习 ”，选择“星标”公众号重磅干货，第一时间送达强化学习：强化学习是这样一类 算法 , 是让计算机实现从一开始什么都不懂, 脑袋里没有一点想法, 通过不断地尝试, 从错误中学习, 最后找到规律, 学会了达到目的的方法。强化学习可以说是 人工智能 最有前途的分支。还记得之前的阿尔法狗吗？其主要应用的 算法 工具就包括强化学习。 网上有很多关于强化学习 算法 的介绍和总结，之后我也会相... 来源：专知 本文为书籍推荐，建议阅读5分钟 读完这本书，读者将对现代强化学习及其应用有一个全面、直观的了解。本书介绍使用 Python , PyTorch和TensorFlow来进行 深度强化学习 实战https://www.barnesandnoble.com/w/practical-deep-reinforcement-learning-with- python -ivan-gr...