强化学习算法与实现分为十节课，每节课注重解决一个重点数学理论问题，并附带例题和代码实现，所讲内容讲义和代码随后都将在课程中开放下载。
基本目录如下：
●强化学习基础
○马尔科夫决策过程
○贝尔曼方程，贝尔曼期待方程，贝尔曼优化方程
○策略评估与策略改进
○值函数V迭代与策略函数π迭代以及二者区别
○蒙特卡洛学习方法
○Q Learning
○时序差分学习TD Learning
○On Policy VS Off Policy
○Explore and Exploite
●强化学习简介
○强化学习架构(环境，代理，决策，状态与动作，迁移与奖励)
○强化学习算法分类(Value based, Policy Based, Actor-Critic)
○强化学习训练过程(Q Learning, Sarsa, DQN, REINFORCE等)
○强化学习示例(AI走迷宫, Cart-Pole, 自动驾驶汽车)
● 算法及实例
训练代理规划路径通过《Windy Grid World》
训练代理学习《打壁球》游戏
训练代理在连续环境中平衡Cart-Pole
使用形式化建模方式实现Agent与环境的互动及学习
丰富实例： 21点游戏策略评估
训练AI通过《Windy Grid World》：
训练AI打壁球游戏：
训练AI小车平衡竖杆：
使用Simulink实现Agent与环境的互动与学习
