近期，一些新闻报道了强化学习算法在围棋、和竞技游戏中对战职业玩家并且获胜的消息。强化学习是机器学习的一种，能够将人工智能运用于电子游戏、机器人、自动驾驶等诸多复杂应用。
如果您有意在项目中利用强化学习技术，但又并无相关经验，那么应该从何入手呢？
本电子书将为您阐释术语，并提供示例、教程和试用软件，帮助您使用 matlab® 和 simulink® 探索强化学习。
下载此电子书，开始探索：
第 1 部分：了解基础知识并搭建环境
了解强化学习基础知识及其相对于传统控制设计的优势。了解有监督学习、无监督学习和强化学习之间的区别，以及如何在 matlab 和 simulink 中搭建学习环境。
第 2 部分：了解奖励和策略结构
了解强化学习中的探索 (exploration) 与利用 (exploitation) 以及如何设计奖励函数。探索包括神经网络在内的各种表示策略，以及如何将它们用作函数逼近器。
第 3 部分：了解训练和部署
了解不同类型的训练算法，包括基于策略的方法、基于价值的方法以及执行器-评价器 (actor-critic) 方法。进一步了解每种训练方法的优缺点，以及常见的贝尔曼方程。最后，了解在部署经过训练的策略之前应考虑哪些事项，以及相关方法涉及的总体挑战和不足之处。