第一卷 · 基础与问题设定

强化学习的所有算法都是对同一个问题的不同解法：在未知环境中通过交互最大化累积回报。本卷把这个问题写清楚，并约定全书的记号与评估方式。

本卷结构

• 第一部分 · 问题设定：马尔可夫决策过程、价值函数与 Bellman 方程、探索与利用。
• 第二部分 · 方法论：评估协议与可复现性、算法地图。

前置

概率论与线性代数基础。