趋近智
强化学习中级技术
章节 1: 回顾强化学习基本原理
强化学习问题设置
马尔可夫决策过程 (MDP) 回顾
价值函数与贝尔曼方程
表格型求解方法：Q学习和SARSA
表格方法的局限性
章节 2: 深度Q网络 (DQN)
函数近似的简介
使用神经网络进行Q值近似
DQN 算法架构
经验回放机制
固定Q目标 (目标网络)
DQN训练的损失函数
动手实践：在CartPole上实现DQN
章节 3: DQN的改进与变体
Q-学习中的估值过高问题
双重DQN (DDQN)
对偶网络架构
DQN改进的结合
优先经验回放 (简要概述)
实践：实现双DQN
章节 4: 策略梯度方法
基于价值方法的局限性
策略直接参数化
策略梯度定理
REINFORCE 算法
理解策略梯度中的方差
方差减少的基线
动手实践：实现REINFORCE算法
章节 5: Actor-Critic 方法
结合策略和价值评估
Actor-Critic 架构概述
优势演员-评论家 (A2C)
异步优势参与者-评价者算法 (A3C)
Actor-Critic 实现的考量
对比：REINFORCE 与 A2C/A3C
实践：开发 A2C 实现
Q-学习中的估值过高问题
这部分内容有帮助吗？
- Reinforcement Learning: An Introduction, Richard S. Sutton and Andrew G. Barto, 2018 (MIT Press) - 全面教材，解释了Q学习、时序差分学习、最大化偏差问题以及作为解决方案的双Q学习。
- Double Q-learning, Hado van Hasselt, 2010 Advances in Neural Information Processing Systems (NIPS), Vol. 23 (Neural Information Processing Systems Foundation) - 介绍了双Q学习，以减轻强化学习中的最大化偏差，并提供了理论分析。
- Deep Reinforcement Learning with Double Q-learning, Hado van Hasselt, Arthur Guez, and David Silver, 2016 Proceedings of the Thirtieth AAAI Conference on Artificial Intelligence (AAAI) - 将双Q学习扩展到深度Q网络（DQN），证明了其在减少过高估计和提高性能方面的有效性。