OPenAI的deep RL教程—— Spinning Up in Deep RL ，上面有基礎知識和經典演算法的盤點和部分實現程式碼，還有一些練習題，對新手比較友好，不過對完全沒有基礎的人來說還是有些難，所以我對每個部分進行翻譯並補充了個人的理解。希望有所收穫。

傳送門：OpenAI深度強化學習入門專案：Spinning Up筆記（第一部分）

以下是原文連結：

下面是我的翻譯+補充註釋（不僅僅是翻譯！不僅僅是翻譯！不僅僅是翻譯！）：

二、各分類演算法的相關連結

［2］A2C / A3C （Asynchronous Advantage Actor-Critic）： Mnih

et al

， 2016

［3］PPO （Proximal Policy Optimization）： Schulman et al， 2017

［4］TRPO （Trust Region Policy Optimization）： Schulman et al， 2015

［5］DDPG （Deep Deterministic Policy Gradient）： Lillicrap et al， 2015

［6］TD3 （Twin Delayed DDPG）： Fujimoto et al， 2018

［7］SAC （Soft Actor-Critic）： Haarnoja et al， 2018

［8］DQN （Deep Q-Networks）： Mnih et al， 2013

［9］C51 （Categorical 51-Atom DQN）： Bellemare et al， 2017

［10］QR-DQN （Quantile Regression DQN）： Dabney et al， 2017

［11］HER （Hindsight Experience Replay）： Andrychowicz et al， 2017

［12］World Models： Ha and Schmidhuber， 2018

［13］I2A （Imagination-Augmented Agents）： Weber et al， 2017

［14］MBMF （Model-Based RL with Model-Free Fine-Tuning）： Nagabandi et al， 2017

［15］MBVE （Model-Based Value Expansion）： Feinberg et al， 2018

［16］AlphaZero： Silver et al， 2017

如果發現有什麼錯誤或是問題，請聯絡評論或是QQ：1642127033