作者：邹伟, 鬲玲, 刘昱杓著
出版社： 清华大学出版社
CIP号：2019205873
书号：978-7-302-53829-5
出版地：北京
出版时间：2019.11
定价：￥99.0
该书共14章，大致分为4个部分：第1部分介绍强化学习的基础知识，包括强化学习的定义，发展历程，以及要解决的问题。第2部分包括动态规划方法，蒙特卡罗方法，时间差分方法。第3部分通过集成多个基本算法，或者将值函数、策略做函数近似，第4部分使用强化学习解决两类博弈问题：完美信息博弈和不完美信息博弈。