整理了强化学习入门时必看的论文，主要是有关DQN算法的，致力于强化学习的小伙伴应该必看这些论文的

不确定性决策与强化学习.pdf

LIRD：基于深度强化学习的“明智”推荐框架 电影深度强化学习推荐系统 这篇文章的重新实现：深强化学习的名单明智的建议- 原始源代码： :

Keras的深度强化学习 它是什么？ keras-rl在Python中实现了一些最先进的深度强化学习算法，并与深度学习库无缝集成。 此外， keras-rl可与一起使用。 这意味着评估和使用不同算法很容易。 当然，您可以根据自己的需要扩展keras-rl 。 您可以使用内置的Keras回调和指标，也可以定义自己的回调和指标。 更重要的是，只需扩展一些简单的抽象类，即可轻松实现自己的环境甚至算法。 文档可。 包含什么？ 到目前为止，已实现以下算法： 深度Q学习（DQN） ， Double DQN 深度确定性策略梯度（DDPG） 连续DQN（CDQN或NAF） 交叉熵方

冰面滑行问题是python拓展库Gym里内置的一个环境任务，本资源为强化学习经典案例冰面滑行代码，带注释，简单易懂，通过有模型的策略迭代解出最优状态价值函数和最优策略，值得一学

基于深度强化学习的混合动力汽车能量管理策略

Koopman-RL:数据驱动的库普曼控制理论在强化学习中的应用！

针对模型未知只有数据可用的复杂非线性偏微分系统，本文设计了一种基于强化学习的数据驱动学习算法，从与控制对象的交互中学习优化策略。首先建立倒立摆的数学模型，但是只是利用其产生输入输出数据。基于输入输出数据，在未知倒立摆数学模型情况下，实现对倒立摆的控制。

强化学习实战系列（2020最新），完整版11章，2020年最新课程 强化学习系列课程主要包括经典算法原理讲解与案例实战两大部分。通俗讲解当下主流强化学习算法思想，结合实例解读算法整理应用流程并结合案例展开代码实战。整体风格通俗易懂，适合准备入门强化学习并进阶提升的同学们。

是Spectrum Sharing in Vehicular Networks Based on Multi-Agent Reinforcement Learning这篇文章的配套代码的框图，个人制作。 代码来自：https://github.com/le-liang/MARLspectrumSharingV2X