1.1.1 强化学习的概念内涵

1.1.2 强化学习的发展历史

1.1.3 强化学习的算法分类

1.1.4 强化学习的基本概念

1.2 马尔科夫决策过程（MDP）

1.2.1 MDP概念

1.2.2 策略（Policy）概念

1.2.3 价值函数（Value Function）概念

1.2.4 模型（Model）概念

1.3 动态规划算法（DP）

1.3.1 动态规划概念

1.3.2 策略迭代方法（Policy Iteration）

1.3.3 价值迭代方法（Value Iteration）

1.4.1 蒙特卡洛算法概念

1.4.2 探索与利用

1.4.3 多臂老虎机问题

1.5.2 MC、TD、DP算法对比

1.5 时序差分算法（TD）

1.5.1 时间差分算法概念

1.6 Q学习（Q-Learning）

1.6.1 Q-Learning算法

1.6.2 SARSA算法

1.6.3 Q-Learning与SARSA

1.7 策略梯度算法（Policy Gradient）

1.7.1 策略梯度算法（Policy Gradient）

1.8 行动者-评论家算法（A2C）

1.8.1 行动者-评论家算法（Actor-Critic）

2.2 Double DQN

2.3 Dueling DQN

2.4 Distributional Q-function

2.5 Noisy Net

2.7 DDPG

2.8 异步多进程Actor-critic算法

2.9 Proximal Policy Optimization

3.1.1 多智能体强化学习

3.1.2 多智能体系统的发展历史

3.1.3 部分可观察马尔科夫决策过程

3.2 基于值函数的多智能体深度强化学习

3.2.1 基于DQN的早起多智能体方法

3.2.2 协同多智能体学习的价值分解网络（VDN）

3.2.3 单调值函数分解（QMIX）

3.2.4 增强智能体间学习（RIAL）

3.3 基于策略的多智能体深度强化学习（MADDPG）

4.1.1 Gym Retro游戏平台

4.1.2 Atari 2600

4.1.3 Mujoco

4.1.4 Roboschool

4.1.5 TORCS

4.1.6 DMLab-30

4.2强化学习在机器人控制方面应用

4.2.1机器人导航

4.2.2机械臂控制

4.2.3家庭服务机器人

4.2.4机器人视觉

4.2.3 机器人足球

4.3强化学习在自动驾驶方面应用

4.3.1路径优化

4.4 强化学习在推荐方面应用

4.4.1 商品推荐

4.4.2 广告推荐

4.5 强化学习在计算机视觉方面应用

4.5.1图像标注框优化

4.5.2图像生成

4.5.3人体姿态估计

4.5.4行为识别

4.5.5目标检测

4.5.6人脸图像语义分割

4.6 强化学习在自然语言处理方面应用

4.6.1对话生成

4.6.2 自然语言问题生成

4.6.3网络问答场景

5.1.1前期准备

5.1.2安装准备

5.1.3安装Anaconda3

5.1.4 pytorch的安装及配置

5.2 python3基础知识

5.2.2 python基础语法

5.3 pytorch基础知识

5.4 深度学习基础知识

5.5 神经网络介绍

5.6 深度神经网络基础demo讲解

6.1.1 Gym虚拟环境安装

6.1.2 Gym虚拟环境基础知识

6.2 利用Q-learning算法解决出租车调度问题

6.3.利用Q-learning解决“小车上山”问题

6.4 利用SARSA算法解决出租车调度问题

6.5 利用DQN解决“车-杆”问题

6.6 利用DQN算法训练Flappy Bird游戏

6.7 利用DQN算法训练“太空侵略者”游戏

6.9 利用Rainbow算法训练“打砖块”游戏

6.10 利用DDPG算法解决Pendulum问题

6.11 利用DDPG算法实现简单的机械臂控制任务

6.12 利用A3C算法在仿真赛道上训练自动驾驶赛车

6.13 利用A3C算法训练“乒乓球对战”游戏

6.14 利用PPO算法训练“坦克对战”问题

6.15 利用PPO算法在仿真系统上实现“模拟月球着陆”问题