🤖 强化学习入门专栏目录

📘 第一部分：基础概念篇

1. 【RL基础01】强化学习是什么？智能体、环境与奖励
2. 【RL基础02】马尔可夫决策过程（MDP）详解
3. 【RL基础03】值函数、策略与贝尔曼方程
4. 【RL基础04】动态规划、蒙特卡洛与时序差分方法对比

🧠 第二部分：核心算法篇

1. 【算法01】Q-Learning 原理与代码实现
2. 【算法02】SARSA 与 Q-Learning 的异同
3. 【算法03】策略梯度（Policy Gradient）入门
4. 【算法04】Actor-Critic 框架详解
5. 【算法05】深度强化学习初探：DQN
6. 【算法06】DQN 的改进版：Double DQN 与 Dueling DQN
7. 【算法07】PPO 算法原理与实战
8. 【算法08】A2C / A3C 介绍与实现
9. 【算法09】SAC 与 TD3：连续动作空间中的利器

🏞️ 第三部分：环境实战篇

1. 【环境01】Gym 入门：CartPole 小车平衡实验
2. 【环境02】MountainCar 环境：爬坡问题的挑战
3. 【环境03】Atari 游戏环境配置与 Pong 实战
4. 【环境04】MuJoCo 环境安装与 HalfCheetah 训练
5. 【环境05】自定义 Gym 环境教程

🔧 第四部分：工具库使用篇

1. 【工具01】Stable-Baselines3 安装与入门
2. 【工具02】用 PPO 玩转 CartPole
3. 【工具03】用 DQN 玩 Atari Pong
4. 【工具04】并行训练与向量化环境
5. 【工具05】结果可视化：TensorBoard 与 Reward 曲线
6. 【工具06】RLlib 与分布式强化学习初探

📊 第五部分：进阶与应用篇

1. 【进阶01】探索 vs 利用：ε-贪心与UCB
2. 【进阶02】多智能体强化学习（MARL）入门
3. 【进阶03】强化学习在机器人中的应用案例
4. 【进阶04】强化学习在金融中的探索
5. 【进阶05】强化学习在游戏 AI 中的应用

✅ 学习路径建议

• 新手推荐阅读顺序：
  概念篇 → 算法篇（Q-Learning → 策略梯度 → DQN → PPO） → 环境实战（CartPole → Atari → MuJoCo） → 工具篇 → 进阶应用
• 读者能从 理论理解 → 算法掌握 → 实战训练 → 应用拓展，形成完整学习闭环。