目錄
第1章 了解強化學習
1.1 強化學習與各關鍵詞之間的關係
1.2 強化學習的優點和弱點
1.3 強化學習的問題設定：馬爾可夫決策過程
第2章 強化學習的解法（1）：根據環境制訂計劃
2.1 價值的定義和計算：貝爾曼方程
2.2 基於動態規劃法的價值近似的學習：價值迭代
2.3 基於動態規劃法的策略的學習：策略迭代
2.4 基於模型的方法和無模型的方法的區別
第3章 強化學習的解法（2）：根據經驗制訂計劃
3.1 平衡經驗的積累與利用：Epsilon-Greedy演算法
3.2 是根據實際獎勵還是預測來修正計劃：蒙特卡洛方法和時序差分學習
3.3 用經驗來更新價值近似還是策略：基於價值和基於策略
第4章 使用面向強化學習的神經網路
4.1 將神經網路應用於強化學習
4.2 通過含有參數的函數實現價值近似：價值函數近似
4.3 將深度學習應用於價值近似：DQN
4.4 通過含有參數的函數實現策略：策略梯度
4.5 將深度學習應用於策略：A2C
4.6 是價值近似還是策略呢
第5章 強化學習的弱點
5.1 獲取樣本的效率低
5.2 容易陷入局部最優行動和過擬合
5.3 復現性差
5.4 以弱點為前提的對策
第6章 克服強化學習弱點的方法
6.1 應對採樣效率低的方法：與基於模型的方法一�
[