强化学习浅谈及其Python实现

配套代码：
https://github.com/KakaWanYifan/reinforcement-learning-for-blog

• 1.基础概念
• 2.动态规划
• 3.蒙特卡洛
• 4.时序差分
• 5.函数近似
• 6.策略梯度
• 7.连续控制
• 8.自定义环境(以股票交易为例)

其实，这一系列的文章，除了《8.自定义环境(以股票交易为例)》，其他的文章确实都写得不怎么样。
很多内容都只是在讲这些算法在干什么，纠结于算法的步骤，并没有理解算法。
有些算法，换一个角度，可能自己都难以做到逻辑自洽。
总之，没有理解，没有讲清楚这些算法的本质。