本書是《EasyRL：強化學(xué)習(xí)教程》的配套實踐教程。本書將在第一版的基礎(chǔ)上以更加嚴謹?shù)娘L(fēng)格深入淺出地介紹馬爾可夫決策過程、蒙特卡羅方法、時序差分方法、Sarsa、Q-learning等傳統(tǒng)強化學(xué)習(xí)算法，以及策略梯度、近端策略優(yōu)化、深度Q網(wǎng)絡(luò)、深度確定性策略梯度等常見深度強化學(xué)習(xí)算法的基本概念和方法，并以大量生動有趣的例子幫助讀者理解強化學(xué)習(xí)問題的建模過程以及核心算法的細節(jié)。同時，增加最大熵學(xué)習(xí)、多智能體學(xué)習(xí)、離線強化學(xué)習(xí)等內(nèi)容，極大豐富強化學(xué)習(xí)的入門內(nèi)容。