譯者序
序言
前言
作者清單
**部分 緒論
第1章 強化學習和馬爾可夫決策過程
1.1 簡介
1.2 時序決策
1.2.1 接近時序決策
1.2.2 在線學習與離線學習
1.2.3 貢獻分配
1.2.4 探索–運用的平衡
1.2.5 反饋、目標和性能
1.2.6 表達
1.3 正式的框架
1.3.1 馬爾可夫決策過程
1.3.2 策略
1.3.3 *優準則和減量
1.4 價值函數和貝爾曼方程
1.5 求解馬爾可夫決策過程
1.6 動態規劃：基於模型的解決方案
1.6.1 基本的動態規劃算法
1.6.2 高效的動態規劃算法
1.7 強化學習：無模型的解決方案
1.7.1 時序差分學習
1.7.2 蒙特卡羅方法
1.7.3 高效的探索和價值*新
1.8 總結
參考文獻
第二部分 高效的解決方案框架
第2章 批處理強化學習
2.1 簡介
2.2 批處理強化學習問題
2.2.1 批處理學習問題
2.2.2 增長批處理學習問題
2.3 批處理強化學習算法的基礎
2.4 批處理強化學習算法
2.4.1 基於核的近似動態規劃
2.4.2 擬合Q迭代
2.4.3 基於*小二乘的策略迭代
2.4.4 識別批處理算法
2.5 批處理強化學習理論
2.6 批處理強化學習的實現
2.6.1 神經擬合Q迭代
2.6.2 控制應用中的神經擬合Q迭代算法
2.6.3 面向多學習器的批處理強化學習
2.6.4 深度擬合Q迭代
2.6.5 應用／發展趨勢
2.7 總結
參考文獻