近年来，深度强化学习成为关注的热点。在自动驾驶、棋牌游戏、分子重排和机器人等领域，计算机程序能够通过强化学习，理解以前被视为超级困难的问题，取得了令人瞩目的成果。在围棋比赛中，AlphaGo接连战胜樊麾、李世石和柯洁等人类冠军。深度强化学习从生物学和心理学领域的研究中受到启发。生物学激发了人工神经网络和深度学习的出现，而心理学研究人和动物如何学习，如何通过正负刺激来强化目标行为。了解了强化学习如何指导机器人行走时，我们不禁联想到儿童如何在玩中学习。动物行为和大脑结构可作为新的科学和工程蓝图。计算机似乎真正具备了人类的某些行为特征，深度强化学习技术成为实现AI梦想的核心。
教育界也十分重视深度强化学习的研究进展。许多大学开设了深度强化学习课程。本书恰到好处地介绍了深度强化学习领域的技术细节，可作为AI研究生课程的教材。本书讲解全面，涵盖深度Q-learning的基本算法，乃至多智能体强化学习和元学习等高级主题。

第1章简介
1.1什么是深度强化学习
1.1.1深度学习
1.1.2强化学习
1.1.3深度强化学习
1.1.4应用
1.1.5四个相关领域
1.2三种机器学习范式
12.1监督学习
1.2.2无监督学习
1.2.3强化学习
1.3本书概述
1.3.1预备知识
1.3.2本书结构
第2章表格值为基础的强化学习
2.1序贯决策问题
2.1.1网格世界
2.1.2迷宫和盒子谜题
2.2基于表格值的智能体
2.2.1智能体和环境
……