主题
书籍
以下是强化学习领域最常被推荐的书籍。如果只读一本，首选 Sutton 与 Barto 的《Reinforcement Learning: An Introduction》，它是领域内公认的“圣经”，作者在官网免费提供了第二版 PDF。其余书籍可根据你的方向（理论、深度 RL、决策优化）选读。
经典书籍
| 书名 | 作者 | 说明 |
|---|---|---|
| Reinforcement Learning: An Introduction（第 2 版，2018） | Richard S. Sutton, Andrew G. Barto | 领域标准教材，官网免费 PDF |
| Algorithms for Reinforcement Learning（2010） | Csaba Szepesvári | 精炼的理论综述，作者主页 |
| Reinforcement Learning and Optimal Control（2019） | Dimitri P. Bertsekas | 从最优控制与动态规划视角讲 RL，作者主页 |
| Deep Learning（2016） | Ian Goodfellow, Yoshua Bengio, Aaron Courville | 深度学习基础教材，在线阅读 |
阅读顺序建议
- 入门：先读 Sutton & Barto 第 1–6 章（基础概念、多臂老虎机、MDP、动态规划、蒙特卡洛、TD 学习），对应本站 入门教程。
- 补深度学习：不熟悉神经网络的读者，先读 Deep Learning 第 6–8 章（前馈网络、正则化、优化）。
- 深度强化学习：读 Sutton & Barto 第 9–13 章（函数近似、资格迹、策略梯度），同时配合 Spinning Up 和本站 进阶教程。
- 理论提升：对收敛性、复杂度感兴趣，再读 Szepesvári 或 Bertsekas 的书。
中文书籍推荐
| 书名 | 作者 / 译者 | 说明 |
|---|---|---|
| 《强化学习（第2版）》 | Sutton、Barto 著，俞凯 等译，电子工业出版社，2019 | Sutton & Barto 第 2 版的中译本 |
| 《动手学强化学习》 | 张伟楠、沈键、俞勇 著，人民邮电出版社，2022 | 理论与代码结合，配套 在线版本 |
| 《Easy RL：强化学习教程》 | 王琦、杨毅远、江季 著，人民邮电出版社，2022 | Datawhale 开源教程整理成书，GitHub |
| 《深度强化学习》 | 王树森、黎彧君、张志华 著，人民邮电出版社，2022 | 系统讲解深度强化学习，作者的课程资料见 GitHub |