【課程時長】
3天（6小時/天）
【課程簡介】
強化學習是當前最熱門的研究方向之一，廣泛應用于機器人學、電子競技等領域。本課程系統性的介紹了強化學習（深度強化學習）的基本理論和關鍵算法，包括：馬爾科夫決策過程、動態規劃法、蒙特卡羅法、時間差分法、值函數逼近法，策略梯度法等；以及該領域的最新前沿發展，包括：DQN及其變種、信賴域系方法、Actor-Critic類方法、多Agent深度強化學習等；同時也介紹大量的實際案例，包括深度強化學習中最著名的工程應用：Alpha Go。
【課程對象】
計算機相關專業本科；或理工科本科，具備初步的IT基礎知識的人員
第一天 強化學習
第一課 強化學習綜述
1.強化學習要解決的問題
2.強化學習方法的分類
3.強化學習方法的發展趨勢
4.環境搭建實驗（Gym，TensorFlow等）
5.Gym環境的基本使用方法
第二課 馬爾科夫決策過程
1.基本概念：馬爾科夫性、馬爾科夫過程、馬爾科夫決策過程
2.MDP基本元素:策略、回報、值函數、狀態行為值函數
3.貝爾曼方程
4.最優策略
案例：構建機器人找金幣和迷宮的環境
第三課 基于模型的動態規劃方法
1.動態規劃概念介紹
2.策略評估過程介紹
3.策略改進方法介紹
4.策略迭代和值迭代
案例：實現基于模型的強化學習算法
第四課 蒙特卡羅方法
1.蒙特卡羅策略評估
2.蒙特卡羅策略改進
3.基于蒙特卡羅的強化學習
4.同策略和異策略
案例：利用蒙特卡羅方法實現機器人找金幣和迷宮
第五課 時序差分方法
1.DP，MC和TD方法比較
2.MC和TD方法偏差與方差平衡
3.同策略TD方法：Sarsa 方法
4.異策略TD方法：Q-learning 方法
案例：Q-learning和Sarsa的實現
第二天 從強化學習到深度強化學習
第一課 基于值函數逼近方法（強化學習）
1.維數災難與表格型強化學習
2.值函數的參數化表示
3.值函數的估計過程
4.常用的基函數
第二課 基于值函數逼近方法（深度學習與強化學習的結合）
1.簡單提一下深度學習
2.深度學習與強化學習的結合
3.DQN 方法介紹
4.DQN變種：Double DQN, Prioritized Replay, Dueling Network
案例：用DQN玩游戲——flappy bird
第三課 策略梯度方法（強化學習）
1.策略梯度方法介紹
2.常見的策略表示
3.常見的減小方差的方法:引入基函數法，修改估計值函數法
案例：利用gym和tensorflow實現小車倒立擺系統等
第四課 Alpha Go（深度學習與強化學習的結合）
1.MCTS
2.策略網絡與價值網絡
3.Alpha Go的完整架構
第五課 GAN（深度學習）
1.VAE與基本GAN
2.DCGAN
3.WGAN
案例：生成手寫數字的GAN
第三天 深度強化學習進階
第一課 AC類方法-1
1. PG的問題與AC的思路
2. AC類方法的發展歷程
3. Actor-Critic基本原理
第二課 AC類方法-2
1. DPG方法
3. A3C方法
案例：AC類方法的案例
第三課 信賴域系方法-1
1.信賴域系方法背景
2.信賴域系方法發展路線圖
3.TRPO方法
案例：TRPO方法的案例
第四課 信賴域系方法-2
1.PPO方法
2.DPPO方法簡介
3.ACER方法
案例：PPO方法的案例
第五課 多Agent強化學習
1.矩陣博弈
2.納什均衡
3.多人隨機博弈學習
4.完全合作、完全競爭與混合任務
5.MADDPG
案例：MADDPG的案例等
