神经网络：强化学习高频面试题整理

本篇整理强化学习中的常见面试题，在面试前对强化学习的基础理论有深入的理解和认识，需要掌握常见算法的基本思想、推导过程。 公式很多，如贝尔曼方程和贝尔曼最优方程这里估计已经被绕晕了，所以会觉得很难，更不要说把目前主流算法都掌握好了，像DDPG、TRPO、PPO等算法的推导过程基本都有一定的难度。 学习资料： 1、英文书：Sutton的Reinforcement Learning: An Introduction，比较经典，总体讲的比较通俗易懂，可能就是英文不太好懂 2、视频教程：David Silver的视频教程，然后参考叶强的中文笔记来看，如果不喜欢英文，可以找李宏毅的视频来听 3、中文书籍：郭宪的《深入浅出强化学习原理入门》 4、英文文档：https://spinningup.openai.com/en/latest/index.html 5、论文：DDPG、TRPO、SAC等都可以找原论文读一下 6、源码：学一个算法要把它的框架搞懂，输入和输出是啥、网络的目标函数、参数怎么更新的都要知道，所以建议也把源码看看