深度强化学习

一、问题求助

1. 强化学习论文里的训练曲线是用什么画的？如何计算相关变量
   http://deeprl.neurondance.com/d/114
2. 强化学习和启发式算法有什么区别
   http://deeprl.neurondance.com/d/139
3. RL中的异步更新和同步更新有什么区别？
   http://deeprl.neurondance.com/d/149-rl
4. [收敛性]如何确定“深度强化学习”算法训练到收敛？
   http://deeprl.neurondance.com/d/93
5. carla自动驾驶奖励设计
   http://deeprl.neurondance.com/d/152-carla
6. 为什么训练过程中会出现reward不增反降以及vf_loss不收敛的情况？
   http://deeprl.neurondance.com/d/151-rewardvf-loss
7. 为什么深度强化学习不稳定？
   http://deeprl.neurondance.com/d/123
8. 解决连续型问题使用PPO还是DDPG？
   http://deeprl.neurondance.com/d/121-ppoddpg
9. DQN实操问题求助：简单问题下Reward无法达到理论最优
   http://deeprl.neurondance.com/d/122-dqnreward
10. TRPO、ACER、ACKTR、PPO四种置信域算法的有什么共性和区别？
    http://deeprl.neurondance.com/d/120-trpoaceracktrppo
11. 为啥On-Policy不能使用Experience Replay？
    http://deeprl.neurondance.com/d/89-on-policyexperience-replay
12. 基于ddpg的单模型算法训练是否存在什么弊端
    http://deeprl.neurondance.com/d/117-ddpg
13. off-policy算法使用重要性采样？
    http://deeprl.neurondance.com/d/113-off-policy
14. Epoch>1的PPO算法究竟属于On-Policy还是Off-Policy？
    http://deeprl.neurondance.com/d/112-epoch1ppoon-policyoff-policy
15. 强化学习里都有哪些利用数据的领域/方法？
    http://deeprl.neurondance.com/d/106
16. 对于深度强化学习，对样本数据归一化怎么做?
    http://deeprl.neurondance.com/d/59
17. 如何理解策略梯度（Policy Gradient）算法？
    http://deeprl.neurondance.com/d/55-policy-gradient
18. 请问ppo输出为连续值时一般是输出均值和方差再去采样吗
    http://deeprl.neurondance.com/d/58-ppo
19. 学习强化学习(reinforcement learning)有哪些工具推荐？
    http://deeprl.neurondance.com/d/9-reinforcement-learning

二、领域细分

1. 深度强化学习的 18 个关键问题
   http://deeprl.neurondance.com/d/126-18
2. 【Goolge】使用强化学习自动找寻模型专用Dropout
   http://deeprl.neurondance.com/d/101-goolgedropout

三、RL算法详解

1. 如何选择深度强化学习算法？MuZero/SAC/PPO/TD3/DDPG/DQN/等（已完成）
   http://deeprl.neurondance.com/d/166-muzerosacppotd3ddpgdqn
2. 主流强化学习算法论文综述：DQN、DDPG、TRPO、A3C、PPO、SAC、TD3
   http://deeprl.neurondance.com/d/165-dqnddpgtrpoa3cpposactd3
3. 值分布强化学习（Distributional Reinforcement Learning）
   http://deeprl.neurondance.com/d/105-distributional-reinforcement-learning
4. 强化学习中的奇怪概念——on-policy与off-policy
   http://deeprl.neurondance.com/d/133-on-policyoff-policy
5. 强化学习中的奇怪概念2-rollout-episode-epoch-step-trajectory
   http://deeprl.neurondance.com/d/143-2-rollout-episode-epoch-step-trajectory
6. 强化学习中值函数与优势函数的估计方法
   http://deeprl.neurondance.com/d/54-double-q-learning
7. Dueling DQN(DDQN)原理及实现
   http://deeprl.neurondance.com/d/124-dueling-dqnddqn
8. Double Q-Learning原理详解
   http://deeprl.neurondance.com/d/54-double-q-learning

四、AI顶会/论文

1. 人工智能领域顶会 || 30+个必知的顶级会议清单
   http://deeprl.neurondance.com/d/97-30
2. 强化学习调参经验 || John Schulman总结DeepRL理论、模型及编码调参技巧
   http://deeprl.neurondance.com/d/98-john-schulmandeeprl

五、书籍研读

1. 圣经书||《强化学习导论(2nd)》原书、代码、习题答案、课程视频大全
   http://deeprl.neurondance.com/d/110-2nd

六、开源内容

1. 好用的深度强化学习框架有哪些？
   http://deeprl.neurondance.com/d/100
2. OpenAI: Gym组件
   http://deeprl.neurondance.com/d/70-openai-gym

七、专题博客

1. 最干货：深度强化学习工程师/研究员面试指南
   http://deeprl.neurondance.com/d/146
2. 83篇文献-万字总结强化学习之路
   http://deeprl.neurondance.com/d/131-83
3. 【深度强化学习】 奖励函数设计和设置（reward shaping）
   http://deeprl.neurondance.com/d/92-reward-shaping

八、招聘信息

1. 【字节跳动】2021年强化学习团队招聘（附内推码）
   http://deeprl.neurondance.com/d/90-2021
2. 阿里巴巴达摩院自动驾驶实验室【强化学习】方向Research Intern招聘
   http://deeprl.neurondance.com/d/56-research-intern

九、RL资源

1. 国内外做强化学习的老师，高校以及公司总结
   http://deeprl.neurondance.com/d/154