强化学习

DDPG是强化学习里的一种经典算法，在之前的文章里已详细介绍过，本文是对该算法的实践，使用Pytorch来实现DDPG算法。

最近在看offlineRL相关的内容，本文主要了解offlineL中经典的BCQ算法，主要基于提出算法的论文原文。

本文对Offline RL的概念进行一个简单的介绍。offline RL即离线强化学习，也叫batch RL。

本文是强化学习入门系列的第八篇，前面我们讲Actor-Critic时提到了DDPG。DDPG是google DeepMind团队提出的一种用于输出确定性动作的算法。

本文是强化学习入门系列的第七篇，介绍一种结合了策略梯度和时序差分的算法——Actor-Critic即演员评论家算法。

本文是强化学习入门系列的第六篇，将介绍一种有别于前面Q-learning这些基于价值的算法——策略梯度。

本文是强化学习入门系列的第五篇。我们前面介绍了Q-learning，今天介绍一个深度版的Q-learning。

本文是强化学习入门系列的第4篇，主要介绍强化学习当中非常常见的两个时序差分算法：Q-learning和Sarsa。

本文为强化学习入门系列的第三篇，主要介绍如何通过动态规划来求解贝尔曼最优方程。本节将详细介绍策略迭代、价值迭代两种方法。

本文为强化学习入门系列的第二篇，主要介绍强化学习中非常重要的理论框架—— MDP 马尔可夫决策过程。

本节是强化学习入门系列的第一篇，主要是对sutton大神的《强化学习》这本书的相关内容做了一些笔记，简单介绍了bandits问题的解决思路。