本项目是对 Richard S. Sutton 和 Andrew G. Barto 著的 Reinforcement Learning: An Introduction 第二版的中文翻译. 使用LaTeX作为排版工具, 使用 GitHub 作为源码托管平台.

当前翻译了部分序言以及前3章. 源码可以在 这里 找到, pdf文件可以在 这里 找到, 或者可以点击 这里 下载.

概述本项目是对Richard S. Sutton和 Andrew G. Barto著的Reinforcement Learning: An Introduction第二版的中文翻译. 使用LaTeX作为排版工具, 使用GitHub作为源码托管平台.当前进度当前翻译了部分序言以及前3章. 源码可以在这里找到, pdf文件可以在这里找到, 或者可以点击这里下载.... Richard S. Sutton and Andrew G. Barto The text is now complete, except possibly for one more case study to be added to Chapter 16. The references still need to be thoroughly checked, and an index still needs to be 内容梳理： 本文主要讲解动态规划方法，首先讲解了策略评估用以计算值函数，然后提到了策略提升的方法，接着又提出了策略迭代的方法，针对策略迭代每次都要进行策略评估，且每次策略评估都要对状态集合中的所有状态进行更新，由此导致的训练时间成本大，故此提出了值迭代的方法。为了加快DP解决问题的速度，提出了ADP，最后提出了广义策略迭代的方法，并就DP算法的效率问题展开叙述。 DP这个术语可以用