本书的主要内容有：学习强化学习是什么，以及算法如何解决具体问题。掌握强化学习的基础知识，包括马尔可夫决策过程、动态规划和时间差分算法。深入研究系列基于值函数和政策梯度的算法。应用先进的强化学习解决方案，如元学习、分层学习、多智能体、模仿学习等。了解最前沿的深度强化学习算法，包括Rainbow、PPO、TD3、SAC等。通过本书专门的配套网站获得实践代码和案例。这本书的目的是促进强化学习在工业届中进行应用。如果公司正在打造一款以强化学习为核心的产品，那么无论身处在算法岗、开发岗或运营岗，都可以从本书中学到相关知识。书中介绍了很多业内的实际案例，并不只是面向学术界的读者。