MathFoundationRL

简介

西湖大学的课程，内容浅显易懂而且涉及到较为详细的推导，个人认为很适合用来作为强化学习的入门课。

视频链接

Github 链接

框架

• MDP 定义
• Bellman 方程
• 需要完整 model 的 DP（包括值迭代和策略迭代）
• 到无需完整 model 的 MC
• 引入 TD, Sarsa, Q-learning
• 当状态空间过大无法使用表格表示时，使用函数近似方法（如 DQN）
• 最后是直接优化策略的策略梯度方法和结合值函数与策略优化的 Actor-Critic 方法

我的笔记

https://github.com/Tenshi0x0/MathFoundationRL/tree/master/my%20notes/pdfs