基础概念
介绍强化学习的智能体、环境、奖励与价值函数等基础概念
3 min
强化学习，价值函数，策略
强化学习
以智能体与环境的交互为主线，先建立策略、奖励、状态转移等基础概念，再分两条路线展开：价值方法上的 DQN、经验回放与 TD 学习，以及策略梯度、Monte Carlo 与 Actor-Critic 等优化手段，系统呈现强化学习的理论与算法演进。
7 pages
价值学习
介绍用Q网络近似最优价值函数及时间差分算法
2 min
强化学习，DQN，时间差分
策略学习
用神经网络逼近策略函数，通过策略梯度直接最大化期望状态价值
2 min
策略梯度，策略学习，强化学习
TD算法
基于TD目标与回溯标记，讲解sarsa、Q Learning及多步TD
5 min
TD学习，sarsa，Q Learning
Actor-Critic算法
策略网络与价值网络协同，通过TD误差联合更新策略与价值
2 min
Actor-Critic，策略梯度
DQN优化
经验回放、优先回放、目标网络、double与dueling等DQN优化方法
3 min
DQN，经验回放，高估问题
蒙特卡洛
用随机采样近似计算圆周率、定积分与数学期望
1 min
蒙特卡洛，采样，数值计算