reinforcement-learning

该项目提供了强化学习算法的实现代码、练习及解决方案，旨在作为理论材料的学习辅助工具。核心功能包括动态规划、蒙特卡洛方法、时序差分学习、函数逼近以及深度Q学习等主流强化学习技术的实现，并使用Python 3编写，结合了OpenAI Gym环境和TensorFlow框架来支持神经网络的应用。适合于正在学习《强化学习：入门》（第二版）或David Silver的强化学习课程的学生与研究人员，通过实践加深对概念的理解和技术的掌握。