动手学强化学习 · 课程
基于《动手学强化学习》（俞勇、李烨 等著，人民邮电出版社）· 第一部分 强化学习基础
欢迎！本站逐章学习这本理论与实践并重的强化学习入门书。每课是一个自包含网页：先讲透知识，再用带即时反馈的小测验巩固，并配有可在浏览器中直接运行的交互实验（10 臂老虎机模拟器、MRP 价值函数探索器等）。
课程目录
| 课次 | 内容 | 对应章节 | 状态 |
|---|---|---|---|
| 第 1 课 · 初探强化学习 | 序贯决策、智能体-环境交互、感知/决策/奖励、价值、占用度量、与有监督学习的对比 | 第 1 章 | ✅ 已上线 |
| 第 2 课 · 多臂老虎机问题 | 累积懊悔、增量式更新、探索与利用、ε-贪婪、UCB、汤普森采样（含可交互 10 臂老虎机实验） | 第 2 章 | ✅ 已上线 |
| 第 3 课 · 马尔可夫决策过程 | 马尔可夫性质、回报与折扣因子、贝尔曼方程及解析解、策略与价值函数、蒙特卡洛估计、占用度量、贝尔曼最优方程（含 γ 滑块实验） | 第 3 章 | ✅ 已上线 |
| 第 4 课 · 动态规划算法 | 白盒环境、策略评估与策略提升定理、策略迭代、价值迭代、悬崖漫步与冰湖（含可交互悬崖漫步 DP 求解器：逐步看价值传播，收敛后播放最优路线） | 第 4 章 | ✅ 已上线 |
| 第 5 课 · 时序差分算法（敬请期待） | Sarsa、Q-learning、在线/离线策略 | 第 5 章 | 🚧 规划中 |
如何使用本站
按课次顺序学习，每课约 25–40 分钟。先读知识部分，动手玩实验，再完成小测验；学完用术语速查表复习。遇到不懂的地方，回到对话里向你的 AI 老师提问。