本书系统阐述强化学习的基本理论、核心方法与典型应用，兼顾基础知识、前沿研究与实践应用。全书分三部分：第一部分“强化学习基础”以马尔可夫决策过程为起点，系统讲解动态规划、函数逼近、值函数与策略梯度等方法，辅以严谨的数学推导与丰富示例，构建坚实的理论体系。第二部分“强化学习研究”聚焦探索与奖励机制、多智能体学习、多目标与多任务强化学习及人在回路交互等核心机制，系统总结研究成果与发展趋势。第三部分“强化学习应用”通过围棋、星际争霸2、大语言模型、计算生物学与无人机控制等案例，展现其在复杂场景中的强大能力。书中提供大量简洁易读的Python实现代码，避免过度封装，兼具可读性与可扩展性。

更多科学出版社服务，请扫码获取。