强化学习概览

|更新：2020.12.03 | fjy2035@foxmail.com
转载：https://www.cnblogs.com/pinard/p/10384424.html
Github：https://github.com/ljpzzz/machinelearning

---

强化学习（一）模型基础：
https://www.cnblogs.com/pinard/p/9385570.html
强化学习（二）马尔科夫决策过程(MDP)
https://www.cnblogs.com/pinard/p/9426283.html
强化学习（三）用动态规划（DP）求解
https://www.cnblogs.com/pinard/p/9463815.html
强化学习（四）用蒙特卡罗法（MC）求解
https://www.cnblogs.com/pinard/p/9492980.html
强化学习（五）用时序差分法（TD）求解
https://www.cnblogs.com/pinard/p/9529828.html
强化学习（六）时序差分在线控制算法SARSA
https://www.cnblogs.com/pinard/p/9614290.html
强化学习（七）时序差分离线控制算法Q-Learning
https://www.cnblogs.com/pinard/p/9669263.html
强化学习（八）价值函数的近似表示与Deep Q-Learning
https://www.cnblogs.com/pinard/p/9714655.html
强化学习（九）Deep Q-Learning进阶之Nature DQN
https://www.cnblogs.com/pinard/p/9756075.html
强化学习（十）Double DQN (DDQN)
https://www.cnblogs.com/pinard/p/9778063.html
强化学习(十一) Prioritized Replay DQN
https://www.cnblogs.com/pinard/p/9797695.html
强化学习(十二) Dueling DQN
https://www.cnblogs.com/pinard/p/9923859.html
强化学习(十三) 策略梯度(Policy Gradient)
https://www.cnblogs.com/pinard/p/10137696.html
强化学习(十四) Actor-Critic
https://www.cnblogs.com/pinard/p/10272023.html
强化学习(十五) A3C
https://www.cnblogs.com/pinard/p/10334127.html
强化学习(十六) 深度确定性策略梯度(DDPG)
https://www.cnblogs.com/pinard/p/10345762.html
强化学习(十七) 基于模型的强化学习与Dyna算法框架
https://www.cnblogs.com/pinard/p/10384424.html
强化学习(十八) 基于模拟的搜索与蒙特卡罗树搜索(MCTS)
https://www.cnblogs.com/pinard/p/10470571.html
强化学习(十九) AlphaGo Zero强化学习原理
https://www.cnblogs.com/pinard/p/10609228.html