xxx_title

一、入门学习

1.1【书籍】《Reinforcement Learning: An Introduction》

 University of Alberta的Richard Sutton教授，强化学习创立者之一，他的书籍是业内公认的经典入门教材。优点：适合新手入门，涵盖基本知识和基础算法，包括一定数量的应用实例。不足实处： 撰写时间较早，理论的完备性略有不足，部分知识有一点陈旧，对2010年之后的深度化算法进展介绍较少。

 链接：Reinforcement Learning: An Introduction

其他推荐书籍：

• 《动手学强化学习》、
• 《Easy RL：强化学习教程》
• 《深度强化学习》

1.2【课程】《Reinforcement Learning》s

 谷歌DeepMind的David Silver博士主讲，课程框架大致沿用了Richard Sutton的《Reinforcement Learning: An Introduction》，配合该书听课，几乎无违和感，更容易入门，适合初学者进入强化学习领域。

 链接：Teaching - David Silver

1.3【课程】《Deep Reinforcement Learning》

 由史蒂文斯理工学院Shusen Wang博士主讲，课程通过生动有趣的例子，以简洁有力的语言（央视播音员水平），讲解强化学习的基本概念以及算法原理。通过学习本课程，初学者能在短时间内大体了解强化学习的大致体系，梳理开启自己的学习之旅。优势之处在于抛弃繁文缛节的数学严谨性，课程直接告诉你容易理解的结论。

 链接：【王树森】深度强化学习(DRL)_哔哩哔哩_bilibili

1.4【课程】强化学习的数学原理

1.5 【项目】《OpenAI Spinning UP》