蘑菇书EasyRL

李宏毅老师的《深度强化学习》是强化学习领域经典的中文视频之一。李老师幽默风趣的上课风格让晦涩难懂的强化学习理论变得轻松易懂，他会通过很多有趣的例子来讲解强化学习理论。比如老师经常会用玩 Atari 游戏的例子来讲解强化学习算法。此外，为了教程的完整性，我们整理了周博磊老师的《强化学习纲要》、李科浇老师的《世界冠军带你从零实践强化学习》以及多个强化学习的经典资料作为补充。对于想入门强化学习又想看中文讲解的人来说绝对是非常推荐的。

本教程也称为“蘑菇书”，寓意是希望此书能够为读者注入活力，让读者“吃”下这本蘑菇之后，能够饶有兴致地探索强化学习，像马里奥那样愈加强大，继而在人工智能领域觅得意外的收获。

使用说明

• 第 4 章到第 11 章为李宏毅《深度强化学习》的部分；
• 第 1 章和第 2 章根据《强化学习纲要》整理而来；
• 第 3 章和第 12 章根据《世界冠军带你从零实践强化学习》 整理而来。

纸质版

购买链接：京东 | 当当

京东扫码购买

当当扫码购买

豆瓣评分：https://book.douban.com/subject/35781275/

勘误修订表：https://datawhalechina.github.io/easy-rl/#/errata

在线阅读(内容实时更新)

地址：https://datawhalechina.github.io/easy-rl/

最新版PDF下载

地址：https://github.com/datawhalechina/easy-rl/releases

国内地址(推荐国内读者使用)：https://pan.baidu.com/s/1AqdaaGWmMTBWRaYsO2h9Dw 提取码: ffuu

压缩版(推荐网速较差的读者使用，文件小，图片分辨率较低)：https://pan.baidu.com/s/1aAZ5pDj2LJ2Q2OjXU2Pi3g 提取码: s3yj

纸质版和PDF版的区别

PDF版本是全书初稿，人民邮电出版社的编辑老师们对初稿进行了反复修缮，最终诞生了纸质书籍，在此向人民邮电出版社的编辑老师的认真严谨表示衷心的感谢！（附：校对样稿）

相关视频内容

• 《Datawhale强化学习教程》出版
• 蘑菇书起源与RL入门指南
• 蘑菇书开源组队学习活动
• 蘑菇书开源学习与成长

内容导航

章节	习题	相关项目
第一章 强化学习基础	第一章 习题
第二章 马尔可夫决策过程 (MDP)	第二章 习题
第三章 表格型方法	第三章 习题	Q-learning算法实战
第四章 策略梯度	第四章 习题
第五章 近端策略优化 (PPO) 算法	第五章 习题
第六章 DQN (基本概念)	第六章 习题
第七章 DQN (进阶技巧)	第七章 习题	DQN算法实战
第八章 DQN (连续动作)	第八章 习题
第九章 演员-评论员算法	第九章 习题
第十章 稀疏奖励	第十章 习题
第十一章 模仿学习	第十一章 习题
第十二章 深度确定性策略梯度 (DDPG) 算法	第十二章 习题	DDPG算法实战
第十三章 AlphaStar 论文解读

算法实战

点击或者跳转projects文件夹下进入算法实战

贡献者

Qi Wang 教程设计(第1~12章) 中国科学院大学硕士

Yiyuan Yang 习题设计&第13章 清华大学硕士

John Jim 算法实战 北京大学硕士

引用信息

王琦，杨毅远，江季，Easy RL：强化学习教程，人民邮电出版社，https://github.com/datawhalechina/easy-rl, 2022.

@book{wang2022easyrl,
title = {Easy RL：强化学习教程},
publisher = {人民邮电出版社},
year = {2022},
author = {王琦，杨毅远，江季},
address = {北京},
isbn = {9787115584700},
url = {https://github.com/datawhalechina/easy-rl}
}

致谢

特别感谢 @Sm1les、@LSGOMYP 对本项目的帮助与支持。

关注我们

扫描下方二维码关注公众号：Datawhale，回复关键词“强化学习”，即可加入“Easy-RL读者交流群”

LICENSE

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。