phd-bibliography:优化控制、强化学习和运动规划的参考资料

参考书目 目录 最佳手臂识别 黑盒优化 强化学习 理论 基于价值的 基于策略 策略梯度 影评人 无衍生品 基于模型 勘探 层次结构和时间抽象 部分可观察性 转移 多代理 表征学习 离线 从示范中学习 模仿学习自动驾驶应用 逆强化学习自动驾驶应用 运动规划 搜索 采样 优化 React式 架构和应用 最佳控制 :bullseye: 动态规划 （书）动态规划，Bellman R. (1957)。 (book) Dynamic Programming and Optimal Control, Volumes 1 and 2 , Bertsekas D. (1995)。 (book) Markov Decision Processes - Discrete Stochastic Dynamic Programming ，Puterman M. (1995)。 近似最优值函数损失的上限，Singh S.,