本项目为西湖大学赵世钰老师的强化学习课程代码实践，目前完成了1-9章的大部分代码，包括仿真环境的搭建 值迭代，策略迭代 蒙特卡洛 时序差分 状态值近似 DQN Reinforce 等算法的实现。尽可能的追求复现，但是作者代码水平有限，不免存在许多bug以及效率低下之处，请大家仅作参考。
非常幸运能够发现这一门课，因为这门课我知道了RL。
比较过市面上很多其他的资料，不管是课程还是教材的质量都是顶尖的。
像赵老师一样愿意耗费如此心血，制作如此高质量的视频的老师已经很少了。
谨以此开源仓库向赵老师致敬✋，当然，这个仓库目前还不够。
本人代码以及RL水平有限，仅作参考。
项目持续更新中 🚶