強化學習:原理與Python實現

肖智清 著

立即出貨

買這商品的人也買了...

商品描述

本書理論完備,涵蓋主流經典強化學習算法和深度強化學習算法;實戰性強,基於Python、Gym、TensorFlow 2、AlphaZero等構建,配套代碼與綜合案例。全書共12章,主要內容如下。
第1章:介紹強化學習的基礎知識與強化學習環境庫Gym的使用,並給出完整的編程實例。
第2~9章:介紹強化學習的理論知識。以Markov決策過程為基礎模型,覆蓋了所有主流強化學習理論和算法,包括資格跡等經典算法和深度確定性梯度策略等深度強化學習算法。所有章節都提供了與算法配套的Python程序,使讀者完全掌握強化學習算法的原理與應用。
第10~12章:介紹了多個熱門綜合案例,包括電動游戲、棋盤游戲和自動駕駛。算法部分涵蓋了在《自然》《科學》等權威期刊上發表的多個深度強化學習明星算法。

強化學習是一種重要的機器學習方法。近幾年不斷有新的明星強化學習算法發表,在科研機構和互聯網等行業中引起巨大反響。強化學習已經成為互聯網等行業從業人員的必備知識。為了讓讀者從理論與實踐方面系統地掌握強化學習,本書寫作時考慮了以下幾個方面。
本書亮點:
保證了理論完整性,涵蓋了主流經典強化學習算法和深度強化學習算法,且採用同一套字母演繹,方便理解。
為每章都配套了代碼(特別是深度強化學習),代碼的變量名與實現方法均一致,且代碼兼容Windows。
深度強化學習配套代碼基於TensorFlow 2實現,方便讀者研習掌握先進的算法與工具。
多個綜合案例,涵蓋AlphaZero應用、基於模擬環境的自動駕駛等。
對硬件配置要求低,第2~9章的配套代碼不需要GPU即可運行,第10~12章的配套代碼只需普通的GPU即可運行。