深度强化学习 说明：注释内容基于加州大学伯克利分校的CS285。 内容清单 简介与概述 行为监督学习 Tensorflow和神经网络 强化学习导论 政策梯度 演员关键算法 值函数方法 具有Q功能的Deep RL 高级策略梯度 基于模型的计划 基于模型的强化学习 基于模型的政策学习 变异推理和生成模型 控制为推理 逆向强化学习 转移和多任务学习 分布式RL 探索（第1部分） 探索（第2部分） 元学习 信息论，未解决的问题

创建三个玩Reversi游戏的AI代理（也称为商标Othello）。 由python撰写 game_play.py 该文件将播放两个AI代理。 从命令行，使用以下命令调用此函数： python gameplay.py [-t ] [-v] [-r] player1 player2 其中player1.py和player2.py是包含nextMove和nextMoveR的python文件。 标志-v代表详细输出（每转之后显示板，已经实现），标志-r代表“反转”（使用nextMoveR而不是n