强化学习：原理与Python实现

第1章：介绍强化学习的基础知识与强化学习环境库Gym的使用，并给出完整的编程实例。   第2～9章：介绍强化学习的理论知识。以Markov决策过程为基础模型，覆盖了所有主流强化学习理论和算法，包括资格迹等经典算法和深度确定性梯度策略等深度强化学习算法。所有章节都提供了与算法配套的Python程序，使读者完全掌握强化学习算法的原理与应用。   第10～12章：介绍了多个热门综合案例，包括电动游戏、棋盘游戏和自动驾驶。算法部分涵盖了在《自然》《科学》等权威期刊上发表的多个深度强化学习明星算法，包括AlphaGo的改版AlphaZero。  
【推荐语】
适读人群： 1.强化学习算法和研发人员 2. 深度学习研发和算法工程师 3. 大数据架构师 4.其他爱好者。   （1）理论完备，涵盖主流经典强化学习算法和深度强化学习算法，并配套理论基础和性能分析。 （2）逐章配套Python代码，深度强化学习算法同时配套TensorFlow 2和PyTorch 1对照代码。在GitHub上展示全部代码和运行结果。 （3）环境丰富，理论讲解部分的环境只依赖于Gym的简化安装，使理论学习免受环境安装困扰；综合案例部分环境既涵盖Gym库的完整安装和自定义扩展，还包括Gym库以外的环境，让读者体验更加复杂的强化学习任务。全面兼容Windows、macOS和Linux三大操作系统，书中给出环境配置方法。 （4）多个综合案例，涵盖AlphaGo改版算法AlphaZero、自动驾驶等。 （5）对硬件配置要求低，理论讲解部分代码不需要GPU即可运行，综合案例代码只需要普通的GPU即可运行。
【作者】
肖智清 强化学习一线研发人员，清华大学工学博士，现就职于全球知名投资银行。擅长概率统计和机器学习，近5年发表SCI/EI论文十余篇，是多个国际性知名期刊和会议审稿人。在国内外多项程序设计和数据科学竞赛上获得冠军。