本书为读者构建了一个完整的强化学习入门路径, 深入浅出地介绍了强化学习算法的基本原理和实现方法。在正文开始前, 本书带着初学者回顾了相关预备知识, 包括数学基础和机器学习基础。在正文部分, 本书首先介绍了强化学习的基本概念, 给出了强化学习的数学框架 (马尔科夫决策过程), 随后介绍了强化学习的求解算法, 包括表格求解法 (动态规划法、蒙特卡洛法和时序差分法) , 以及近似求解法 (值函数近似法、策略梯度法和深度强化学习)。本书最后一部分为实践与前沿, 实践部分基于一个相同的例子实现了强化学习领域的主流基础算法, 前沿部分介绍了强化学习领域的最新研究进展。