用 Python 動手學強化學習 (全彩印刷)

強化學習是機器學習的重要分支之一。《用Python動手學強化學習》結合實際可運行的Python代碼，通過簡明的文字、豐富的插圖和示例，通俗易懂地介紹了從基礎概念到前沿應用等方方面面的內容，包括根據環境和經驗制訂計劃的學習方法、強化學習與神經網絡的組合，以及強化學習的弱點和剋服方法。讀者通過下載書中代碼並親自動手運行，可以快速入門強化學習並進行實踐。

[日]久保隆宏（作者） 任職於日本大型系統集成商TIS，具有豐富的機器學習研究和開發經驗。
論文共享網站站arXivTimes運營者，積極致力於技術普及，著有《TensorFlow應用指南》（合著）。

梁垿（譯者） 碩士畢業於日本早稻田大學，研究方向為機器學習。
目前在日本大型系統集成商TIS任自然語言處理工程師。
熱愛長跑與讀書，喜歡科幻、蒸汽朋克、克蘇魯等題材的作品。

程引（譯者） 工學博士學位，畢業於上海交通大學。
目前在日本BizReach公司（Visional Group）AI部門任算法工程師。
業務方向為推薦系統與自然語言處理，研究興趣包括強化學習與自動控制。

第1章了解強化學習1
1．1強化學習與各關鍵詞之間的關係1
1．2強化學習的優點和弱點8
1．3強化學習的問題設定：馬爾可夫決策過程9

第2章強化學習的解法(1)：根據環境制訂計劃21
2．1價值的定義和計算：貝爾曼方程22
2．2基於動態規劃法的價值近似的學習：價值迭代28
2．3基於動態規劃法的策略的學習：策略迭代32
2．4基於模型的方法和無模型的方法的區別36

第3章強化學習的解法(2)：根據經驗制訂計劃39
3．1平衡經驗的積累與利用：Epsilon- Greedy算法41
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46
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62

第4章使用面向強化學習的神經網絡73
4．1將神經網絡應用於強化學習74
4．2通過含有參數的函數實現價值近似：價值函數近似100
4．3將深度學習應用於價值近似：DQN 109
4．4通過含有參數的函數實現策略：策略梯度121
4．5將深度學習應用於策略：A2C 133
4．6是價值近似還是策略呢153

第5章強化學習的弱點157
5．1獲取樣本的效率低157
5．2容易陷入局部*優行動和過擬合160
5．3復現性差163
5． 4以弱點為前提的對策164

第6章克服強化學習弱點的方法169
6．1應對採樣效率低的方法：與基於模型的方法一起使用、表徵學習170
6．2改善復現性的方法：進化策略198
6．3應對局部*優行動和過擬合的方法：模仿學習和逆強化學習206

第7章強化學習的應用領域237
7．1行動的*優化239
7．2學習的*優化248
參考文獻252