我认为萨顿和巴托仍然是标准。有很多来自在线 AI 课程的幻灯片和笔记，但它们通常不会涉及太多细节。

Sutton 和 Barto 有点老了，但他们正在准备他们的教科书的第二版。可在此处获得日期为 2018 年 1 月的草稿；链接自 Sutton 的网页，该网页也有第一版的全文。

在处理 Kochenderfer 等人的不确定性下的决策之前，我会先看看这个。那本书有一些有趣的应用（主要是在航空领域），但它移动得很快，而且经常跳来跳去。Szepesvári 的强化学习算法也不错，但很简洁——它需要大约 20 页才能到达，而较新的 Sutton 和 Barto 需要 7 个章节和 150 页。$\textrm{TD(}\lambda\textrm{)}$

除此之外，您可以尝试深入研究一些论文——强化学习的东西往往很容易获得。

您可能想查看Csaba Szepesvári 于 2010 年出版的强化学习算法。可从网站下载 PDF。在我看来，它比 Sutton 和 Barto 更具技术性，但涵盖的材料更少。

在这里你有一些很好的教科书/参考资料：

经典的

萨顿 RS，巴托公司。强化学习：简介。马萨诸塞州剑桥：布拉德福德书；1998. 322 页。

第二版草稿可免费获得：https ://webdocs.cs.ualberta.ca/~sutton/book/the-book.html

罗素/诺维格第 21 章：

Russell SJ、Norvig P、Davis E. 人工智能：一种现代方法。新泽西州上马鞍河：Prentice Hall；2010 年。

更多技术

Szepesvári C. 强化学习算法。人工智能和机器学习综合讲座。2010；4(1):1-103。 http://www.ualberta.ca/~szepesva/RLBook.html

Bertsekas DP。动态规划和最优控制。第 4 版。马萨诸塞州贝尔蒙特：雅典娜科学；2007. 1270 页。 第 6 章，第 2 卷免费提供：http ://web.mit.edu/dimitrib/www/dphapter.pdf

了解更多最新进展

Wiering M，van Otterlo M，编辑。强化学习。柏林，海德堡：施普林格柏林海德堡；2012 年可从： http: //link.springer.com/10.1007/978-3-642-27645-3

Kochenderfer MJ、Amato C、Chowdhary G、How JP、Reynolds HJD、Thornton JR 等。不确定性下的决策：理论与应用。1版。马萨诸塞州剑桥：麻省理工学院出版社；2015. 352 页。

多智能体强化学习

Buşoniu L、Babuška R、舒特 BD。多智能体强化学习：概述。在：Srinivasan D，Jain LC，编辑。多代理系统和应用程序的创新 - 1。施普林格柏林海德堡；2010 页。183–221。可从： http: //link.springer.com/chapter/10.1007/978-3-642-14435-6_7

施瓦茨 HM。多智能体机器学习：一种强化方法。新泽西州霍博肯：威利；2014 年。

视频/课程

我还建议在 YouTube 上开设 David Silver 课程：https ://www.youtube.com/playlist?list=PL5X3mDkKaJrL42i_jhE4N-p6E2Ol62Ofa

我最喜欢的关于强化学习的讲义是 Andrew Ng 在斯坦福的 ML CS229 课程中的讲义：

加固学习笔记斯坦福CS229

您也可以在 iTunes 上下载讲座视频。或者在 youtube 上，它们从以下链接开始：

第十六讲 CS229