强化学习

本文介绍了基于策略梯度的强化学习方法，并以此为基础介绍了通过蒙特卡洛实现策略梯度的REINFORCE算法

本文介绍了深度强化学习的一种经典算法：Deep Q-Learning，相比于经典的Q-learning算法，该算法可以处理连续的状态空间

本文介绍了两种在实际应用中经常使用的解决强化学习问题的方法（sample-based learning）：蒙特卡洛和时序差分

本文第一部分介绍了关于强化学习问题的基本概念，例如MDP，Bellman方程，State(Action)-Value Function，最优策略等；本文第二部分介绍了求解强化学习问题的一类最基本的算法：动态规划 (例如策略迭代和价值迭代)