强化学习教程来啦！贡献者来自中科院、清华、北大3位男神！
导读
半年前，Datawhale开源项目《Easy-RL》（原《李宏毅深度强化学习笔记》）发布，受到全网转发，半年后，《Easy-RL》在原有的基础上进行了迭代优化，帮助读者轻松入门强化学习。
关于本书
《Easy-RL》由开源组织 Datawhale 发起，由中科院王琦、清华大学杨毅远、北京大学江季三位组织成员主要负责。本书结合了李宏毅老师的《深度强化学习》、周博磊老师的《强化学习纲要》、李科浇老师的《百度强化学习》等多个强化学习的经典资料，并配有相关的习题、面经以及完全版的代码实战，适合想入门强化学习的小伙伴。
项目开源地址：
https://github.com/datawhalechina/easy-rl
2020 年 11 月 22 日，《Easy-RL》（原《李宏毅深度强化学习笔记》）在github中正式发布，截至今日，已收获1.7k个Star，并受到了广大学习者的一致好评，学习者纷纷表示通过这个教程收获颇多。编写者们也通过读者反馈的建议，对教程进行了实时地更新与补充。
本书细节
时隔半年，《Easy-RL》 在原有的基础上进行了充分地迭代和优化，不仅对发布时已有章节进行了完善和纠错，同时还补充了常见的面试题，当然，项目作者还给出了完全版的强化学习实战代码，方便大家深入学习。
1.教程案例
案例1: 对 Policy 概念的解析
案例2: 利用简单的例子解释强化学习基本概念
案例3: AlphaStar 论文解读
2.教程习题
案例: RL的面试真题
3.实践优化
首先是增加了一些更为高级且研究工程上常用的算法，比如TD3，Soft-Actor-Critic等等，新版所有算法实现如下表：
此外在每个算法目录下会有相关的算法实现说明：
并且代码将更加简洁，结构清晰，具体可以去github上细看，此外为了更好地呈现结果，增加了jupyter notebook来训练，可以在网页直接查看结果，同时也说明outputs文件夹下生成的结果是童叟无欺的，如下：
以上就是代码相关的主要优化，不止如此，今后除了修缮代码结构注释等等，还会增加各种各样的DQN比如rainbow-dqn等代码，以及各种算法对于同一环境的实现对比，敬请期待。
Easy-RL目录