强化学习课程资料
讲义，教程任务（包括解决方案）以及帕德博恩大学主办的强化学习课程的在线视频。 整个课程材料的源代码是开放的，我们诚挚地邀请所有人使用它进行自学（学生）或设置自己的课程（讲师）。
演讲内容
强化学习导论
马尔可夫决策过程
动态编程
蒙特卡洛方法
时差学习
n步自举
使用表格方法进行计划和学习
监督学习下的函数逼近
函数逼近的策略上预测
基于函数的基于值的控制
资格跟踪
政策梯度法
第一部分摘要：有限状态和动作空间中的强化学习
第二部分摘要：课程完成和展望
全部课程幻灯片
练习内容
适用于科学计算的Python基础
手动解决基本的马尔可夫链，奖励和决策问题
啤酒学士和动态编程（最短啤酒问题）
蒙特卡洛学习助您穿越赛道
使用时差学习更快地驱动
表格n步法稳定倒立摆
通过整合学习与计划来促进倒立摆（Dyna框架）
在监督学习下预测实际电驱动系统的运行行为
使用函数逼近评估山地车问题中给定代理的性能
使用半梯度Sarsa和最小二乘策略迭代从山车谷逃生
使用Sarsa（Lambda）改进基于价值的车载解决方案
使用REINFORCE和演员批评方法登陆月球
引文
请使用以下Bib
