深度强化学习是人工智能和机器学习的重要分支领域，有着广泛应用，如AlphaGo和ChatGPT。本书作为该领域的入门教材，在内容上尽可能覆盖深度强化学习的基础知识和经典算法。全书共10章，大致分为4部分：第1部分（第1～2章）介绍深度强化学习背景（智能决策、人工智能和机器学习）；第2部分（第3～4章）介绍深度强化学习基础知识（深度学习和强化学习）；第3部分（第5～9章）介绍深度强化学习经典算法（DQN、AC、DDPG等）；第4部分（第10章）为总结和展望。每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步深入探索。
本书可作为高等院校计算机、智能金融及相关专业的本科生或研究生教材，也可供对深度强化学习感兴趣的研究人员和工程技术人员阅读参考。

谢文杰，男，湖南浏阳人，应用数学博士，上海市晨光学者。现任职华东理工大学商学院金融学系副教授、硕士研究生导师、金融物理研究中心成员，主要研究复杂金融网络、机器学习、深度强化学习、金融风险管理等。获2016年度上海市自然科学奖二等奖（4/5），主持完成4项国家或省部级科研项目。

第1章 智能决策与复杂系统
1.1 智能决策
1.1.1 智能决策简介
1.1.2 复杂金融系统中的智能决策
1.2 复杂系统
1.2.1 复杂性科学
1.2.2 复杂系统定义
1.2.3 复杂系统类型
1.2.4 复杂系统研究
1.3 复杂环境特征
1.3.1 完全可观察的和部分可观察的环境
1.3.2 单智能体和多智能体
1.3.3 确定的和随机的环境
1.3.4 片段式和延续式环境
1.3.5 静态和动态环境
1.3.6 离散和连续环境
1.3.7 已知和未知环境
1.4 复杂环境建模
1.5 智能体建模
1.5.1 典型决策系统模型框架
1.5.2 智能体建模框架
1.6 智能决策系统建模
1.6.1 问题提炼
1.6.2 数据采集
1.6.3 模型构建
1.6.4 算法实现
1.6.5 模型训练
1.6.6 模型验证
1.6.7 模型改进
1.6.8 模型运用
1.7 应用实践
第1章习题
第2章 人工智能与机器学习
2.1 人工智能简介
2.1.1 人工智能+农业
2.1.2 人工智能+教育
2.1.3 人工智能+工业
2.1.4 人工智能+金融
2.2 人工智能前沿
2.3 人工智能简史
2.4 人工智能流派
2.4.1 符号主义学派
2.4.2 联结主义学派
2.4.3 行为主义学派
2.5 人工智能基础
2.5.1 运筹学
2.5.2 最优化控制
2.5.3 交叉学科
2.5.4 人工智能和机器学习相关会议
2.6 机器学习分类
2.6.1 监督学习
2.6.2 无监督学习
2.6.3 强化学习
2.7 机器学习基础
2.7.1 激活函数
2.7.2 损失函数
2.7.3 优化算法
2.8 应用实践
第2章习题
第3章 深度学习入门
3.1 深度学习简介
3.1.1 深度学习与人工智能
3.1.2 深度学习与机器学习
3.1.3 深度学习与表示学习
3.2 深度神经网络
3.2.1 深度神经网络构建
3.2.2 深度神经网络实例
3.3 深度卷积神经网络
3.4 深度循环神经网络
3.5 深度图神经网络
3.5.1 图神经网络简介
3.5.2 图神经网络聚合函数
3.5.3 图神经网络更新函数
3.5.4 图神经网络池化函数
3.6 深度神经网络训练
3.6.1 模型训练挑战
3.6.2 数据预处理
3.6.3 参数初始化
3.6.4 学习率调整
3.6.5 梯度优化算法
3.6.6 超参数优化
3.6.7 正则化技术
3.7 应用实践
3.7.1 TensorFlow安装
3.7.2 TensorFlow基本框架
3.7.3 TensorBoard
3.7.4 scikit-learn
3.7.5 Keras
第3章习题
第4章 强化学习入门
4.1 强化学习简介
4.2 马尔可夫决策过程
4.3 动态规划方法
4.3.1 策略函数
4.3.2 奖励函数
4.3.3 累积回报
4.3.4 状态值函数
4.3.5 状态-动作值函数
4.3.6 状态-动作值函数与状态值函数的关系
4.3.7 Bellman方程
4.3.8 策略迭代算法
4.3.9 值函数迭代算法
4.4 蒙特卡洛方法
4.4.1 蒙特卡洛估计
4.4.2 蒙特卡洛强化学习算法伪代码
4.5 时序差分学习
4.5.1 时序差分学习算法
4.5.2 时序差分学习算法、动态规划和蒙特卡洛算法比较
4.5.3 Q-learning
4.5.4 SARSA
4.6 策略梯度方法
4.7 应用实践
4.7.1 强化学习的智能交易系统框架
4.7.2 智能交易系统环境模型编程
第4章习题
第5章 深度强化学习Q网络
5.1 深度Q网络
5.1.1 智能策略
5.1.2 策略函数与Q表格
5.1.3 策略函数与Q网络
5.2 DQN算法介绍
5.2.1 经验回放
5.2.2 目标网络
5.3 DQN算法
5.4 DoubleDQN
5.4.1 DoubleDQN背景
5.4.2 双Q网络结构
5.4.3 DoubleDQN算法伪代码
5.5 DuelingDQN
5.5.1 DuelingDQN算法框架简介
5.5.2 DuelingDQN算法核心思想
5.6 DistributionalDQN
5.7 DQN的其他改进
5.7.1 优先级经验回放
5.7.2 噪声网络DQN
5.7.3 多步（Multi-step）DQN
5.7.4 分布式训练
5.7.5 DQN算法改进
5.7.6 DQN算法总结
5.8 应用实践
5.8.1 智能投资决策系统
5.8.2 核心代码解析
5.8.3 模型训练
5.8.4 模型测试
第5章习题
第6章 深度策略优化方法
6.1 策略梯度方法简介
6.1.1 DQN的局限
6.1.2 策略梯度方法分类
6.2 随机性策略梯度算法
6.2.1 轨迹数据
6.2.2 目标函数
6.2.3 梯度计算
6.2.4 更新策略
6.3 随机性策略梯度定理
6.3.1 随机性策略梯度定理介绍
6.3.2 随机性策略梯度定理分析
6.4 策略梯度优化几种实现方法
6.4.1 策略梯度优化理论
6.4.2 完整轨迹的累积奖励回报
6.4.3 部分轨迹的累积奖励回报
6.4.4