强化学习

• 学习优化奖励
• 策略搜索
• OpenAI Gym介绍
• 神经网络策略
• 评估动作：信用分配问题
• 策略梯度
• 马尔可夫决策过程
• 时序差分学习
• Q学习
• 实现深度Q学习
• 深度Q学习的变体
• 一些流行的RL算法概述