TensorFlow 2强化学习手册

"通过本书，读者可以： l使用全新的TensorFlow和Keras API从头开始构建深度强化学习智能体； l使用最少代码实现先进的深度强化学习算法； l在模拟环境中培训深度强化学习智能体，以执行加密货币、股票交易和建筑能源优化等现实世界的任务； l使用TensorFlow创建桌面应用程序、云服务、Web和移动应用程序，将强化学习智能体部署到云端，构建跨平台应用程序； 使用分布式DNN模型训练加快代理开发。"

深度强化学习能够构建智能体、产品和服务，超越计算机视觉或感知执行动作。TensorFlow 2.x是最流行的深度学习框架的最新主要版本，用于开发和训练深度神经网络。
本书介绍了深度强化学习的基本原理和TensorFlow的最新版本，同时也介绍了OpenAl Gym、基于模型和无模型的强化学习，并学习如何开发基本智能体。同时给出了高级深度强化学习算法（Actor-Critic、深度确定性策略梯度、深度Q网络、近端策略优化和深度递归Q网络等）的实现。
通过本书，读者可以：
·使用全新的TensorFlow和Keras API从头开始构建深度强化学习智能体；
·使用最少代码实现先进的深度强化学习算法；
·在模拟环境中培训深度强化学习智能体，以执行加密货币、股票交易和建筑能源优化等现实世界的任务；
·使用TensorFlow创建桌面应用程序、云服务、Web和移动应用程序，将强化学习智能体部署到云端，构建跨平台应用程序；
·使用分布式DNN模型训练加快代理开发。

"陈翔，中山大学电子与信息工程学院教授，电子与信息工程实验教学中心副主任，深圳清华大学研究院兼职主任研究员，深圳空天通信终端应用技术工程实验室副主任。主要研究方向为5G移动通信与网络、卫星通信、软件无线电，在国内外知名期刊和会议上发表论文80余篇，获授权发明专利40余项，获2017年度中国电子学会优秀科技工作者称号。 王玺钧，中山大学电子与信息工程学院副教授。主要研究方向包括智能物联网、无人机通信和群智学习，发表论文90余篇，参撰著作1部，获授权发明专利40余项。 "

第1章 使用TensorFlow 2.x开发深度强化学习的基本模块
1.1 技术要求
1.2 构建训练强化学习智能体的环境和奖励机制
1.2.1 前期准备
1.2.2 实现步骤
1.2.3 工作原理
1.3 针对离散动作空间和离散决策问题实现基于神经网络的强化学习策略
1.3.1 前期准备
1.3.2 实现步骤
1.3.3 工作原理
1.4 针对连续动作空间和连续控制问题实现基于神经网络的强化学习策略
1.4.1 前期准备
1.4.2 实现步骤
1.4.3 工作原理
1.5 将OpenAI Gym作为强化学习的训练环境
1.5.1 前期准备
1.5.2 实现步骤
1.5.3 工作原理
1.6 构建神经网络智能体
1.6.1 前期准备
1.6.2 实现步骤
1.6.3 工作原理
1.7 构建神经网络进化智能体
1.7.1 前期准备
1.7.2 实现步骤
1.7.3 工作原理
1.8 参考资料
第2章 基于价值、策略和行动者-评论家的深度强化学习算法实现
2.1 技术要求
2.2 构建用于训练强化学习智能体的随机环境
2.2.1 前期准备
2.2.2 实现步骤
2.2.3 工作原理
2.3 构建基于价值的强化学习智能体算法
2.3.1 前期准备
2.3.2 实现步骤
2.3.3 工作原理
2.4 实现时序差分学习
2.4.1 前期准备
2.4.2 实现步骤
2.4.3 工作原理
2.5 构建强化学习中的蒙特卡洛预测和控制算法
2.5.1 前期准备
2.5.2 实现步骤
2.5.3 工作原理
2.6 实现SARSA算法和对应的强化学习智能体
2.6.1 前期准备
2.6.2 实现步骤
2.6.3 工作原理
2.7 构建基于Q学习的智能体
2.7.1 前期准备
2.7.2 实现步骤
2.7.3 工作原理
2.8 实现策略梯度
2.8.1 前期准备
2.8.2 实现步骤
2.8.3 工作原理
2.9 实现行动者-评论家算法
2.9.1 前期准备
2.9.2 实现步骤
2.9.3 工作原理
……
第3章 高级强化学习算法的实现
第4章 现实世界中的强化学习——构建加密货币交易智能体
第5章 现实世界中的强化学习——建立股票/股份交易智能体
第6章 现实世界中的强化学习——构建智能体来完成您的待办事项
第7章 在云端部署深度强化学习智能体
第8章 使用分布式训练加速深度强化学习智能体开发
第9章 深度强化学习智能体的多平台部署