强化学习系列 - 刘建平Pinard

强化学习（一）模型基础

强化学习（二）马尔科夫决策过程(MDP)

强化学习（三）用动态规划（DP）求解

强化学习（四）用蒙特卡罗法（MC）求解

强化学习（五）用时序差分法（TD）求解

强化学习（六）时序差分在线控制算法SARSA

强化学习（七）时序差分离线控制算法Q-Learning

强化学习（八）价值函数的近似表示与Deep Q-Learning

强化学习（九）Deep Q-Learning进阶之Nature DQN

强化学习（十）Double DQN (DDQN)

强化学习(十一) Prioritized Replay DQN

强化学习(十二) Dueling DQN

强化学习(十三) 策略梯度(Policy Gradient)

强化学习(十四) Actor-Critic

强化学习(十五) A3C

强化学习(十六) 深度确定性策略梯度(DDPG)

强化学习(十七) 基于模型的强化学习与Dyna算法框架

强化学习(十八) 基于模拟的搜索与蒙特卡罗树搜索(MCTS)

强化学习(十九) AlphaGo Zero强化学习原理

 

参考文献：

1. 刘建平Pinard - 博客园 https://www.cnblogs.com/pinard/

2. ljpzzz (刘建平(Pinard Liu)) https://github.com/ljpzzz/machinelearning