深度強化學習是深度學習算法和強化學習算法的巧妙結合, 它是一種新興的通用人工智能算法技術, 也是機器學習的前沿技術, DRL算法潛力無限, AlphaGo是目前該算法最成功的使用案例。DRL算法以馬爾科夫決策過程為基礎, 是在深度學習強大的非線性函數的擬合能力下構成的一種增強算法。深度強化學習算法主要包括基于動態規劃 (DP) 的算法以及基于策略優化的算法, 這本書共10章, 首先以AlphaGo在圍棋大戰的偉大事跡開始, 引起對人工智能發展和現狀的介紹, 進而介紹深度強化學習的基本知識。然后分別介紹了強化學習 (重點介紹蒙特卡洛算法和時序差分算法) 和深度學習的基礎知識、功能神經網絡層、卷積神經網絡 (CNN)、循環神經網絡 (RNN), 以及深度強化學習的理論基礎和當前主流的算法框架。最后介紹了深度強化學習在不同領域的幾個應用實例。