[RL](百度强化学习7日打卡营学习笔记)

@RL

强化学习7日打卡营学习

强烈推荐本训练营，对新手很友好，项目能很快上手，无成本有免费计算资源提供，学习笔记慢慢整理中。
课程链接：https://aistudio.baidu.com/aistudio/education/group/info/1335

预习资料

数学基础-矩阵Python numpy库 ，详细资料（开营后这部分内容不做讲解，用到哪里大家查哪里）：https://www.paddlepaddle.org.cn/tutorials/projectdetail/485153

机器学习、深度学习相关理论，预习内容（希望大家每日及时预习相关内容，开营后不做基础讲解，直奔强化学习主题）：
https://www.paddlepaddle.org.cn/tutorials/projectdetail/544657

安装PaddlePaddle，跑通线性回归问题：https://www.paddlepaddle.org.cn/documentation/docs/zh/1.6/beginners_guide/quick_start_cn.html

线性回归模型预测波士顿房价：
https://www.paddlepaddle.org.cn/documentation/docs/zh/1.6/beginners_guide/basics/fit_a_line/README.cn.html#id6

大纲

一、强化学习(RL)初印象

RL 概述、入门路线

实践：环境搭建

课后作业：搭建GYM环境+PARL环境，把QuickStart 跑起来

二、基于表格型方法求解RL

MDP、状态价值、Q表格

实践： Sarsa、Q-learning代码解析，解决悬崖问题及其对比

课后作业：使用Q-learning和Sarsa解决16宫格迷宫问题。

三、基于神经网络方法求解RL

函数逼近方法

实践：DQN代码解析，解决CartPole问题

课后作业：使用DQN解决 MountianCar问题

四、基于策略梯度求解RL

策略近似、策略梯度

实践：Policy Gradient算法理解、代码解析，解决CartPole问题

课后作业：使用Policy Gradient解决Atari的Pong问题

五、连续动作空间上求解RL

连续动作空间、DDPG算法介绍

PARL DDPG代码解析

大作业题目

RLSchool 飞行器仿真环境介绍

参考资料
《Reinforcement Learning：An Introduction》

伯克利2018 Deep RL课程：http://rail.eecs.berkeley.edu/deeprlcourse/

强化学习库 PARL：https://github.com/PaddlePaddle/PARL

Sarsa＆Q-learning

DQN

Policy Gradient