reinforcement-learning-an-introduction

收录理由

对于正在研读Sutton和Barto所著《强化学习导论》第二版的读者来说，这个仓库是一份非常趁手的实践伴侣。它用干净、自包含的Python代码重新实现了书中几乎所有的图表和示例，从十臂老虎机测试平台、网格世界的价值迭代，到蒙特卡洛方法、时序差分学习、Sarsa、Q学习、Dyna-Q以及函数逼近，覆盖面相当完整。每个脚本都能复现书中对应的那张图，你跑完某一章的代码，看到结果，就能拿它来对照自己的理解，相当于有了一份可运行的参考答案。想从读公式跨到真正跑算法的学生，会从这里收获最多；老师也可以直接把脚本拿去做实验课的素材。代码按章节组织，刻意保持简洁，在转向更重的框架之前，拿它当起点很合适。