- 第1章: 概述
- 1：强化学习2第1讲
- 第2章: 马尔可夫决策过程
- 2：强化学习2.1
- 3：强化学习2.2
- 第3章: 动态规划
- 4：强化学习2第3节
- 第4章: 无模型方法1：蒙特卡洛
- 5：RL升级版I第四节 蒙特卡洛
- 第5章: 无模型方法2：时间差分
- 6：强化学习2 无模型方法二：时间差分
- 第6章: 无模型方法3：多步自举
- 7：强化学习升级版I第六章
- 第7章: 函数逼近与深度神经网络
- 8：强化学习2 函数近似与深度网络
- 第8章: 策略梯度算法
- 9：强化学习2 策略梯度算法
- 第9章: 深度强化学习
- 10：强化学习9.1
- 11：强化学习9.2
- 第10章: 基于模型的强化学习
- 12：强化学习2 基于模型的强化学习
- 第11章: 前沿与展望
- 13：RL升级版I-强化学习前沿
