# RLCourse

**Repository Path**: shihong-duan/RLCourse

## Basic Information

- **Project Name**: RLCourse
- **Description**: 强化学习课程，主要是如何用强化学习解决问题
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 6
- **Forks**: 0
- **Created**: 2023-11-05
- **Last Updated**: 2025-08-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# **强化学习之理论和实践**

## 课程主要内容

## 课程安排和要求

| Lec  | Topics                                                       | 讲义 | 教材 | 分享者 | 讨论题目                                                     |
| ---- | ------------------------------------------------------------ | ---- | ---- | ------ | ------------------------------------------------------------ |
| 1    | - 强化学习的基本概念<br />- 强化学习求解的基本工具：<br />    -- Bellman equation<br />    -- Bellman optimality equation |      |      |        |                                                              |
| 2    | - 强化学习的基本方法<br /> -- 1. 已知系统模型P(s'\|s), P(r\|s)的迭代算法：value，policy，truncated<br /> --2. 无模型/基于数据+表格表示估计和迭代算法<br /> --3. 整理下：随机梯度下降 |      |      |        | 题目1：针对网格导航问题，基于Bellman的两个方程求解状态价值和最优策略，分析和练习下强化学习算法（[要求](./Lectures/Lec1-基本概念和工具/课程讲义/基于两个贝尔曼方程的概念和实现练习.pptx)）代码可以[参考](https://github.com/boyu-ai/Hands-on-RL) <br />第一部分的代码，证明得空可看([一本书](./Lectures/参考书/Book-all-in-one.pdf))<br />题目2：针对强化学习的更新策略分析下。参考资料：https://hrl.boyuai.com/前四章 |
| 3    | - 值迭代，策略迭代(model-based)<br />- 基于数据MC(model free, off-line)<br />-基于数据TD(SARSA,Reinforce) |      |      |        | 任务布置参考：[Lec2-算法原理1-强化学习求解tabular\作业-阅读的论文\第3次课程分享讲述内容.md](Lectures/Lec2-算法原理1-强化学习求解tabular/作业-阅读的论文/第3次课程分享讲述内容.md)<br />主要有两个任务：熟悉算法，熟悉随机近似-看看[书](Lectures/Lec2-算法原理1-强化学习求解tabular/作业-阅读的论文/3-Stochastic.pdf)，读读论文（需要2-4人） |
| 4    |                                                              |      |      |        |                                                              |
| 5    |                                                              |      |      |        |                                                              |
| 6    |                                                              |      |      |        |                                                              |
| 7    |                                                              |      |      |        |                                                              |
| 8    |                                                              |      |      |        |                                                              |

**课程成绩组成**

1. 课堂参与算法和新方法的分析和讨论 70分
2. 最后的一个常识问答试卷，试卷发布和作答在雨课堂上完成 30分