强化学习与最优控制

，"；亚利桑那州立大学报告9月。2020年；将在IEEE/CAA“自动化学报”上发表。，arxiv预印本，arxiv：2005.01627,2020年4月。，"；arxiv预印本arxiv：1910.00120,2019年9月(修订于2020年4月)。，arxiv预印本，arxiv：2002.07407,2020年2月。Bhattacharya，S.，BadYal，S.，Wheeler，W.，Gil，S.，Bertsekas，D.，&34；POMDP的强化学习：分区推出和策略迭代及其在自治顺序修复问题中的应用。

IEEE Robotics and Automation Letters，第5卷，第3967-3974页，2020。，#34；实验室。信息和决策系统报告，麻省理工学院，2018年10月；较短的版本显示为arxiv预印本arxiv：1910.02426,2019年10月。D.P.Bertsekas，基于特征的聚集和深度强化学习：综述和一些新的实现。

，#34；实验室。信息与决策系统报告，麻省理工学院，2018年4月(2018年8月修订)；arxiv预印本arxiv：1804.04577；一个版本发表在IEEE/CAA自动化学报上。(讲座幻灯片)。(相关视频讲座)。分布式强化学习、推出和近似策略迭代第四版(2017年2月)包含大量新材料，特别是关于第6章中的近似DP。本章经过彻底重组和重写，以使其与第一卷的内容保持一致。第二版，其最新版本于2012年出版，以及最近的事态发展，将近似DP推到了关注的前沿。第6章修订的一些亮点是更加强调一步和多步前瞻方法、参数近似体系结构、神经网络、推出和蒙特卡罗树搜索。在其他应用中，这些方法在最近计算机围棋程序的惊人成功中发挥了重要作用。关于近似DP的材料也为VOL的更多面向分析的处理提供了介绍和一些前景。点击此处直接向出版商订购，并提供前言、目录、补充教育材料、讲座幻灯片、视频等以下论文和报告与本书有很强的联系，并对分析和应用范围进行了详细阐述。

，arxiv预印本arxiv：1910.00120,2019年9月。，#34；实验室。信息和决策系统报告，麻省理工学院，2018年10月；较短的版本显示为arxiv预印本arxiv：1910.02426,2019年10月。第四卷。两卷本DP教科书的第二部分于2012年6月出版。这是Vol的一次重大修订。它包含了大量的新材料，以及对旧材料的重组。长度比第三版增加了60%以上，大部分旧材料都进行了重组和/或修改。第二卷现在有700多页，而且比第一卷大。这本书可以说是一本新书！近似DP已经成为本书的中心焦点，并且占据了本书的一半以上(最后两章，以及1-3章的大部分)。因此，人们也可以将这个新版本视为作者1996年的书“神经动态编程”(与约翰·齐西克利斯合著)的后续版本。收录了许多新材料，这些材料是自上一版以来在六年内进行的研究的副产品。第四版的新版(2018年1月)包含一些最新的材料，特别是关于第四章中的未打折问题，以及第六章中的近似DP。还参考了2017版Vol的内容。I，以及深度强化学习的高调发展，这些发展已经将近似DP带入了关注的前沿。“动态规划与最优控制”第一卷。II：近似动态规划，ISBN-13：978-1-886529-44-1,712页，精装本，2012年。单击此处查看第4章的更新版，其中包含对各种未打折的问题主题的最新研究，包括。

弱条件下的随机最短路径问题及其与正成本问题的关系(第4.1.4和4.4节)。

视频来自塞浦路斯大学关于有限地平线DP的4个讲座，4个小时的短期课程，尼科西亚，2017年。YouTube上的视频。(讲座幻灯片：第一讲、第二讲、第三讲、第四讲。)。2014年，清华大学在中国北京举办的6场讲座，时长12小时的短期课程的视频。来自清华课程网站和YouTube。单击此处下载此12小时视频课程的近似动态编程讲座幻灯片。

关于近似动态规划的7个讲座的短期课程，卡拉达奇，法国，2012年。麻省理工学院课程“动态规划与随机控制”(6.231)，2015年12月。最后六节课涵盖了大量近似的动态编程材料。关于动态规划和近似动态规划。研究单声道第二版

下面的论文和报告与本书有很强的联系，并详细阐述了第三章和第四章的半缩性模型的分析和应用范围：

，Lab.。For Information and DecisionSystems Report LIDS-P-3173，MIT，2015年5月；SIAM J.on Optimization，第27卷，第3期，第1694-1727页。(相关讲座幻灯片)；(相关视频讲座)。D·P·贝尔塞卡斯，确定性最优控制和自适应动态规划中的价值和策略迭代。

，Lab.。For Information and DecisionSystems Report LIDS-P-3174，MIT，2015年5月(修订于9月。2015年)；IEEE神经网络和学习系统学报，第28卷，2017年，第500-509页。，Lab.。信息和决策系统报告LIDS-P-2909，麻省理工学院，2016年1月。，#34；实验室。信息和决策系统报告LIDS-P-2915，麻省理工学院，2014年2月(2015年1月和2016年6月修订)；ARXIV预印本ARXIV：1608.01670；海军研究后勤，66(1)，第15-37页。，Lab.。信息和决策系统报告LIDS-3204，麻省理工学院，2016年6月；ARXIV预印ARXIV：1608.01393；IEEE会刊，8月。“控制”，第64卷，2019年，第3117-3128页。，"；SIAM J.关于控制和优化，第56卷，2018年，第231-252页，(相关讲座幻灯片)，(麻省理工学院相关视频讲座，2017年5月)。(相关讲座幻灯片，来自康涅狄格州大学，2017年10月)。(康涅狄格州大学相关视频讲座，2017年10月)。，#34；IEEE自动控制学报，第63卷，2018年，第3787-3792页。(相关讲座幻灯片)。作者的“动态编程”一书第4章的更新版。II，包含对各种未打折问题的最新研究，并与抽象的DP主题相关；(相关讲座幻灯片)。

。自2019年4月9日以来的访问量