强化学习算法与MATLAB程序详解视频教程Q学习SARSA算法策略迭代

【内容简介】《强化学习与MATLAB程序视频》共10章110节视频，总学时1197分钟，合20小时。主要内容包括：视频课程内容介绍及慎拍不拍说明与参考文献，强化学习的基本概念及实例解读与理论介绍，Q-Learning算法代码程序求解悬崖行走问题，SARSA算法代码程序再解悬崖行走问题，Q-learning算法与SARSA算法的对比分析，Q-learning算法自带函数程序求解网格世界优选路线，SARSA算法自带函数程序求解网格世界优选路线，策略迭代算法与值迭代算法步骤及区别，策略迭代算法代码程序求解两地租车优化调度，值迭代算法代码程序求解迷宫逃脱问题。
        免费全部提供MATLAB代码程序和PPT课件。
        免费提供辅导答疑。
        2021年9月3日发布。

第一章  视频课程内容介绍及慎拍不拍说明与参考文献(29+39分钟)
1、先看全面讲解9个关键重点问题和店主预言先告必看第三版（25+4分钟）
2、RL1_视频讲些什么及能干什么与程序演示结果（21分钟，网络上免费“试看”）
3、RL2_MATLAB程序使用说明及亮点特点介绍（6分钟，网络上免费“试看”）
4、RL3_慎拍不拍说明及学习基础要求与参考文献（12分钟，网络上免费“试看”）
第二章  强化学习的基本概念及实例解读与理论介绍(153分钟)
5、RL4_强化学习算法的基本思想及其应用领域（12分钟）
6、RL5_1强化学习基本模型解读及学习过程分析（18分钟）
7、RL5_2马尔科夫决策过程5要素解读分析（10钟）
8、RL5_3累计回报及状态值函数及最优定义（12分钟）
9、RL5_4行为值函数及最优策略等问题（17分钟）
10、RL5_5Bellman期望方程及其推导依据（17分钟）
11、RL5_6Bellman最优方程及其4个迭代算法（15分钟）
12、RL5_7学生活动强化学习实例及最优策略（22分钟）
13、RL5_8强化学习算法有解及可解问题的两处定理（6分钟）
14、RL5_9强化学习程序资料及学习对策（8分钟，网络上免费“试看”）
15、RL5_10思考强化学习7个问题及总结（16分钟，有程序）
第三章 Q-Learning算法代码程序求解悬崖行走问题(271分钟)
16、RL6_01Q-Learning更新公式与Bellman最优方程对比（18分钟，有程序）
17、RL6_02Q表结构及Q学习算法实现步骤说明（12分钟，有程序）
18、RL6_1Q-Learning算法学习目标及悬崖行走问题说明（8分钟，有程序）
19、RL6_2自学程序及RL6_1详解11点提纲（11分钟，有程序）
20、RL6_3环境创建与参数设置问题（9分钟，有程序）
21、RL6_4命令sub2ind作用及maxQ含义解读（9分钟，有程序）
22、RL6_5详解函数trans设置动作走向与奖励（11分钟，有程序）
23、RL6_6某片段第1步循环操作过程程序详解（10分钟，有程序）
24、RL6_7某片段各步循环到终点程序详解（12分钟，有程序）
25、RL6_8训练好的Q表分析与详解（9分钟，有程序）
26、RL6_9片段回报及其含义与图像分析（8分钟，有程序，网络上免费“试看”）
27、RL6_10片段包含步数指标及作用与图像分析（11分钟，有程序）
28、RL6_11状态行为对访问次数及其含义和作用（10分钟，有程序）
29、RL6_12最优策略获取及3个存储变量含义（12分钟，有程序）
30、RL6_13环境绘图及起终点坐标对应关系（8分钟，有程序）
31、RL6_14最优策略绘图程序详解与图像分析（15分钟，有程序）
32、RL6_15最优状态值函数及访问次数图像分析（10分钟，有程序）
33、RL6_16可改9处及其可改建议（13分钟，有程序）
34、RL6_17改动9点及回报设置等经验介绍（11分钟，有程序）
35、RL6_18改动程序得到结果分析及经验介绍（11分钟，有程序）
36、RL6_19模型扩展之8点方向介绍（6分钟，有程序）
37、RL6_20算法扩展之8个思路介绍（7分钟，有程序）
38、RL6_21思考Q表结构等4个问题（11分钟，有程序）
39、RL6_22思考动作及更新公式等5个问题（13分钟，有程序）
40、RL6_23思考如何使用程序等问题及总结（16分钟，有程序）
第四章  SARSA算法代码程序再解悬崖行走问题(61分钟)
41、RL7_1SARSA算法更新公式及步骤分析（16分钟，有程序）
42、RL7_2悬崖行走问题及程序自学建议（6分钟，有程序）
43、RL7_3算法各个步骤与程序语句一一对应（13分钟，有程序）
44、RL7_4n程序关键语句强调及程序结果简析(13分钟，有程序）
45、RL7_5模型与算法扩展之6点再强调（7分钟，有程序）
46、RL7_6思考如何改动程序等9个问题及总结（6分钟，有程序，网络上免费“试看”）
第五章  Q-learning算法与SARSA算法的对比分析(74分钟)
47、RL8_1学习内容与数据保存及导入操作（7分钟，有程序，网络上免费“试看”）
48、RL8_2最优策略画图函数及对比结论（9分钟，有程序）
49、RL8_3最优状态值画图改进及对比结论（11分钟，有程序）
50、RL8_4访问次数数值指标对比分析（12分钟，有程序）
51、RL8_5累计回报与平均回报指标联系对比（9分钟，有程序）
52、RL8_6步数及单步均值与Q均值指标含义分析（10分钟，有程序）
53、RL8_7Q学习与SARSA算法6点定型分析（4分钟，有程序）
54、RL8_8思考图像分析与数值指标及重点总结（12分钟，有程序）
第六章 Q-learning算法自带函数程序求解网格世界优选路线(180分钟)
55、RL9_1学习内容及网格世界问题分析（9分钟，有程序）
56、RL9_2自学程序及GW各个属性详解（13分钟，有程序）
57、RL9_3障碍状态及跳跃与回报设置详解（10分钟，有程序）
58、RL9_4创建Q表用的4个函数详解（14分钟，有程序）
59、RL9_5创建qAgent和设置训练可选参数（13分钟，有程序）
60、RL9_6qAgent含义及sim图像解读（13分钟，有程序）
61、RL9_7train功能和语法及插件出错（8分钟，有程序，网络上免费“试看”）
62、RL9_8train过程图像及其输出结果详解（14分钟，有程序）
63、RL9_9可改7处及学习率等参数大小作用（11分钟，有程序）
64、RL9_10可改重点3处及论文用绘图保存（11分钟，有程序）
65、RL9_11子程序ZHY3生成及改编讲解（10分钟，有程序）
66、RL9_12主程序9_3运行出错及图像结果讲评（12分钟，有程序）
67、RL9_13路径优先及第一轮学习率调参（7分钟，有程序）
68、RL9_14主程序第二轮调参及最终结果详解（12分钟，有程序）
69、RL9_15思考如何使用程序等4个问题（11分钟，有程序）
70、RL9_16思考大坑等4个问题及总结强调（12分钟，有程序）
第七章  SARSA算法自带函数程序求解网格世界优选路线(27分钟)
71、RL10_1学习目的及函数差别提示（6分钟，有程序）
72、RL10_2程序5处差别及图像结果分析（11分钟，有程序）
73、RL10_3改动建议与对比分析及思考总结（10分钟，有程序）
第八章 策略迭代算法与值迭代算法步骤及区别(32分钟)
74、RL11_1动态规划及策略迭代基本思想（5分钟，有程序）
75、RL11_2策略迭代步骤及其优缺点（14分钟，有程序）
76、RL11_3值迭代算法步骤及与策略迭代区别（13分钟，有程序）
第九章 策略迭代算法代码程序求解两地租车优化调度(222分钟)
77、RL12_1学习目标及杰克租车问题已知条件说明（13分钟，有程序）
78、RL12_2两地租车问题分析及其结果先读（10分钟，有程序）
79、RL12_3自学建议及问题几个参数设置（6分钟，有程序）
80、RL12_4A点状态与回报R计算公式讲解（12分钟，有程序）
81、RL12_5回报R的计算程序分析详解（8分钟，有程序，网络上免费“试看”）
82、RL12_6状态转移概率矩阵P计算程序详解（14分钟，有程序）
83、RL12_7值函数与策略函数初始化及绘图解读（9分钟，有程序）
84、RL12_8策略评估及更新值函数V出现（16分钟，有程序）
85、RL12_9Bellman方程更新V值程序详解（16分钟，有程序）
86、RL12_10寻找策略改进的移动车辆动作（12分钟，有程序）
87、RL12_11策略改进程序与算法步骤详解（14分钟，有程序）
88、RL12_12结果解读及程序逻辑关系再强调（10分钟，有程序）
89、RL12_13可改程序6处及其可改建议（8分钟，有程序）
90、RL12_14改动杰克租车问题及22点改动（6分钟，有程序，网络上免费“试看”）
91、RL12_15改动8处及雇员移车策略绘图与数据分析（14分钟，有程序）
92、RL12_16改动12处及雇员移车行为值函数（13分钟，有程序）
93、RL12_17改动关键2处及最终结果解读（9分钟，有程序）
94、RL12_18模型扩展之8各问题讲解（6分钟，有程序）
95、RL12_19算法扩展之8点建议讲解（8分钟，有程序）
96、RL12_20思考如何使用程序等4各问题（9分钟，有程序）
97、RL12_21再思考程序4个问题及总结强调（9分钟，有程序）
第十章 值迭代算法代码程序求解迷宫逃脱问题(141分钟)
98、RL13_1学习目的及迷宫问题解读（10分钟，有程序）
99、RL13_2自学程序及矩阵转图函数（17分钟，有程序）
100、RL13_3值函数及策略函数初始化（8分钟，有程序）
101、RL13_4函数MazeSolver语法详解（16分钟，有程序）
102、RL13_5动作表示及最优行走路径画图（9分钟，有程序）
103、RL13_6可改程序10处及其可改建议（8分钟，有程序）
104、RL13_7改动增加回头动作程序处理（9分钟，有程序）
105、RL13_8改动9处及程序对比算法步骤（14分钟，有程序）
106、RL13_9模型扩展之6点思路（4分钟，有程序）
107、RL13_10算法扩展之6点想法（5分钟，有程序）
108、RL13_11思考动作如何得到等8个问题（13分钟，有程序）
109、RL13_12思考如何使用程序及展望问题（12分钟，有程序）
110、RL13_13论文与科研思路12点及总结（16分钟，有程序）
五、下载文件
附件1_必先看_强化学习及程序视频学习指导.doc
附件2_强化学习与程序视频_PPT课件.rar
附件3_强化学习全部程序m_郑一.rar