一本介绍在OpenAI Gym环节中构建智能体的实战指南！ 只需要专注算法的优化，无需浪费时间去搭建环境！ ·从零起步，内容通俗易懂，轻松学习OpenAI Gym的用法 ·运用强化学习/深度强化学习算法构建智能体，不用浪费时间去搭建环境！ ·案例应用侧重于游戏、自动驾驶领域，帮你解决基于智能体的领域问题！ ·基于Python编程语言，讲解基本概念和应用知识，操作易上手！
售 价：¥
纸质售价：¥55.10购买纸书
6.4
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
内容提要
致中国读者
作者简介
审校者简介
译者简介
中文版审校者简介
译者序
前 言
读者对象
本书内容概述
学习前提
体例约定
资源与支持
第1章 智能体与学习环境入门
1.1 智能体简介
1.2 学习环境
1.3 OpenAI Gym简介
1.4 理解OpenAI Gym的主要特性
1.5 OpenAI Gym工具包的作用
1.6 创建第一个OpenAI Gym环境
1.7 小结
第2章 强化学习和深度强化学习
2.1 强化学习简介
2.2 直观理解人工智能的含义和内容
2.3 强化学习实战
2.4 马尔可夫决策过程
2.5 动态规划
2.6 蒙特卡洛学习和时序差分学习
2.7 SARSA和Q-Learning
2.8 深度强化学习
2.9 强化学习和深度强化学习算法的实践应用
2.10 小结
第3章 开启OpenAI Gym和深度强化学习之旅
3.1 代码库、设置和配置
3.2 安装深度强化学习所需的工具和库
3.3 小结
第4章 探索Gym及其功能
4.1 探索环境列表和术语
4.2 理解Gym接口
4.3 Gym中的空间
4.4 小结
第5章 实现第一个智能体——解决过山车问题
5.1 了解过山车问题
5.2 从零开始实现Q-Learning智能体
5.3 在Gym中训练强化学习智能体
5.4 测试并记录智能体的性能
5.5 一个简单且完整的Q-Learner实现——过山车问题的解决方案
5.6 小结
第6章 用深度Q-Learning实现最优化控制智能体
6.1 优化Q-Learning智能体
6.2 实现一个深度Q-Learning智能体
6.3 Atari Gym环境
6.4 训练深度Q-Learner玩Atari游戏
6.5 小结
第7章 创建自定义OpenAI Gym环境——CARLA
7.1 理解Gym环境结构
7.2 创建与OpenAI Gym兼容的CARLA环境
7.3 小结
第8章 用深度演员-评论家算法实现无人驾驶智能体
8.1 深度n步优势演员-评论家算法
8.2 实现深度n步优势演员-评论家智能体
8.3 训练一个“聪明”的自动驾驶智能体
8.4 小结
第9章 探索学习环境全景——Roboschool、Gym Retro、StarCraft-Ⅱ和DeepMind Lab
9.1 Gym接口兼容的环境
9.2 其他基于Python的开源学习环境
9.3 小结
第10章 探索学习算法世界——DDPG（演员-评论家）、PPO （策略梯度）、Rainbow（基于值）
10.1 深度确定性策略梯度
10.2 近端策略优化
10.3 Rainbow
10.4 小结
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
