本书理论完备，涵盖主流经典强化学习算法和深度强化学习算法；实战性强，基于Python、Gym、TensorFlow 2、AlphaZero等构建，配套代码与综合案例。全书共12章，主要内容如下。 第1章：介绍强化学习的基础知识与强化学习环境库Gym的使用，并给出完整的编程实例。

强化学习作为人工智能领域的重要分支，已经在各种领域展现出了巨大的潜力。为了帮助开发者更好地理解和应用强化学习算法，Python库Gym应运而生。Gym提供了一个开放且易于使用的环境，供开发者进行强化学习算法的开发、测试和评估。本文好学编程将深入 ...

1. 深度强化学习 DRL（Deep Reinforcement Learning）属于机器学习的一个子领域，将深度学习模型（神经网络）应用于强化学习。 2. 什么是强化学习？类似大人教小孩子，训练狗，做的差不多或完全正确就给奖励，然后不停地强化。 3. 强化学习需要做出决策和采取动作 ...

说明：如果访问 GitHub 比较慢的话，可以关注我的知乎账号（Python-Jack），上面的“从零开始学Python”专栏（对应本项目前 20 天的内容）比较适合初学者，其他的专栏如“数据思维和统计思维”、“基于Python的数据分析”、“说走就走的AI之旅”等也在持续更新中 ...

你在用了吗？ OpenAI 创建的 Gym 是开源的 Python 库，通过提供一个用于在学习算法和环境之间通信的标准 API 以及一组符合该 API 的标准环境，来开发和比较强化学习（DL）算法。自推出以来，Gym 的 API 已经成为了领域标准。 目前，在 Gym 的项目主页，Star 量已经 ...

强化学习是一种重要的机器学习方法，在智能体及分析预测等领域有许多应用。 《Python强化学习实战：应用OpenAI Gym和TensorFlow精通强化学习和深度强化学习》共13章，主要包括强化学习的各种要素，即智能体、环境、策略和模型以及相应平台和库；Anaconda、Docker ...

导语：书中包括线性规划单纯形方法、对偶理论、灵敏度分析、运输问题、内点算法、非线性规划KT条件、无约束优化方法、约束优化方法、整数规划和动态规划等内容。 强化学习是一种重要的机器学习方法，在智能体及分析预测等领域有许多应用。 《Python强化 ...