深度强化学习：基于Python的理论及实践（英文版）

深度强化学习结合了深度学习和强化学习，使人工智能体能够在没有监督的情况下学习如何解决顺序决策问题。在过去的十年中，深度强化学习在一系列问题上取得了显著的成果，涵盖从单机游戏和多人游戏到机器人技术等方方面面。本书采用理论结合实践的方法，从直觉开始，然后仔细解释深度强化学习算法的理论，讨论在配套软件库SLM Lab中的实现，最后呈现深度强化学习算法的实践细节。

通过阅读《深度强化学习：基于Python的理论及实践（英文版）》，你将：

1）理解深度强化学习问题的每个关键方面。

2）探索基于策略和基于值的算法，包括REINFORCE算法、SARSA算法、DQN、双重DQN和优先级经验回放（PER）。

3）深入研究组合算法，包括演员-评论家算法和近端策略优化（PPO）算法。

4）了解算法的同步并行和异步并行。

5）在SLM Lab中运行算法，学习深度强化学习的实现细节。

6）探索算法基准测试结果与调优超参数。

7）了解深度强化学习的环境设计。