深度强化学习-入门学习策略

王树森老师的视频和书籍是最适合入门强化学习的学习资料，没有之一。

王老师的视频是更新在Youtube上的，推荐大家去Youtube上看啊：https://youtu.be/vmkRMvhCW5c

国内搬运的视频：【深度强化学习入门到熟练（Shusen Wang）】 https://www.bilibili.com/video/BV1BE411W7TA/?share_source=copy_web&vd_source=f029c1e5a16b585192394719cd0d58ac

老师的课件讲义：

课件：https://github.com/wangshusen/DeepLearning

讲义：https://github.com/wangshusen/DRL/blob/master/Notes_CN/chp3.pdf

下载链接: https://pan.baidu.com/s/1XpTgny_Vr0LobBsuYF4KkA 密码:x0wb

下面说一下我推荐的学习的路线，供大家参考。’

总体路线是：课程+代码+经典论文

入门的课程

首先是王树森老师的视频和书籍、其次是李宏毅老师的课程，最后是David Silver强化学习课程。这个建议大家按照这个来学习。王老师的课程非常适合入门，因为强化学习理论和公式比较多，看别的课程或者书籍很容易从入门到放弃，但是由于照顾到初学者课程的深度和广度还是不太够。然后李宏毅老师的课程质量很不错。David Silver强化学习是非常经典的课程，一定不要错过！！！会有一点点难，但是前面你都学习过这两个课程了，相信就可以接受了。其他的资料我就不推荐了。弄明白这三个就很好了。

【【李宏毅】2020 最新课程 (完整版) 强化学习】 https://www.bilibili.com/video/BV1UE411G78S/?share_source=copy_web&vd_source=f029c1e5a16b585192394719cd0d58ac

David Silver强化学习课程：

书籍（推荐看英文版）：《Reinforcement Learning: An Introduction》sutton,v2.2018

视频（国内）：【David Silver深度强化算法学习 +项目讲解】 https://www.bilibili.com/video/BV1kb411i7KG/?share_source=copy_web&vd_source=f029c1e5a16b585192394719cd0d58ac

相关的代码：

https://github.com/ShangtongZhang/reinforcement-learning-an-introduction

https://github.com/dennybritz/reinforcement-learning

课程代码：https://github.com/dalmia/David-Silver-Reinforcement-learning

如果你理解课程还是有点问题，再推荐一下叶强的David Silver的笔记，真的不错！

https://zhuanlan.zhihu.com/p/37690204

推荐几个经典的论文：

Deep Reinforcement Learning: A State-of-the-Art Walkthrough(2020)

Multi-Agent Reinforcement Learning: A Selective Overview of Theories and Algorithms(2019)

[DPG] Deterministic policy gradient algorithms (ICML 2014)

[DDPG] Continuous control with deep reinforcement learning (ICLR 2016)

[PPO] Proximal policy optimization algorithms (2017)

[TRPO] Trust region policy optimization (2017)

[Rainbow] Rainbow_ combining improvements in deep reinforcement learning (AAAI 2017)

上面对应的算法的Pytorch实现：

https://github.com/Curt-Park/rainbow-is-all-you-need

如果你觉得上面论文不够的话，之前同学发给我的大约400篇强化学习方面整理的论文，分享给大家。

https://1drv.ms/x/s!AsJ81EpkwW3fiWIfX7UV8Q0Zkpy0?e=HshdIg