深度强化学习核心算法与应用

强化学习是实现决策智能的主要途径之一。经历数十年的发展，强化学习领域已经枝繁叶茂，技术内容纷繁复杂，这也为初学者快速入门造成障碍。本书是一本深度强化学习领域的入门读物。全书分为四部分。第一部分主要阐述强化学习领域的基本理论知识；第二部分讲解深度强化学习常用算法的原理、各算法之间的继承与发展，以及各自的算法流程；第三部分总结深度强化学习算法在游戏、推荐系统等领域的应用；第四部分探讨了该领域存在的问题和发展前景。本书适合对强化学习感兴趣的读者阅读。 陈世勇，腾讯游戏AI研究中心高级算法研究员。毕业于南京大学机器学习与数据挖掘研究所，主要从事强化学习、分布式机器学习方面的研究工作，并在国际会议和期刊上发表多篇论文。对于大规模强化学习在游戏AI和推荐系统领域的研究和落地有着丰富经验，负责了多款游戏的强化学习AI项目和“淘宝锦囊”强化学习推荐项目研发，参与了虚拟淘宝项目研发。 苏博览，新加坡国立大学博士，曾任职于腾讯游戏AI研究中心，参与了QQ飞车和斗地主游戏AI的研发，在国际会议和期刊发表论文数十篇，在机器学习和强化学习上有丰富的科研和落地应用经验。 杨敬文，腾讯游戏AI研究中心高级算法研究员。毕业于南京大学机器学习与数据挖掘研究所，获南京大学“优秀毕业生”称号、南京大学计算机优秀硕士毕业论文奖。曾获全国大学生大数据竞赛名，在国际顶会发表多篇论文和技术文章。长期从事强化学习在游戏领域的研究与应用，是竞速类、格斗类、射击类、多人在线战术竞技类等强化学习AI项目的主要负责人之一，具有丰厚的强化学习研究和落地的经验。