这里有一些关于强化学习的很好的参考资料：

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。

第二版草稿免费提供：强化学习：简介

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。 强化学习算法 | 恰巴·塞佩斯瓦里

Bertsekas DP。动态规划和最优控制。第 3 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：动态规划和最优控制第 3 版，第 II 卷 | 麻省理工学院

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可从：强化学习 | 施普林格链接

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：多智能体强化学习：概述

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 YouTube 上的 David Silver 课程：David Silver 的 RL 课程

Udacity 提供了关于强化学习的免费在线课程。检查：机器学习：强化学习

我真的很喜欢Reinforcement Leraning： Richard Sutton 的介绍。它提供了一个非常好的关于 RL 的统一观点，尽管它没有提到最新的方法（它来自 1998 年）。

你可以看看我的书——Hands-On Reinforcement Learning With Python，它解释了从零开始的强化学习到最先进的深度强化学习算法。

我的 github repo中已经提供了所有代码以及解释。