基本强化学习（RL） 该存储库旨在通过介绍如何编写不同的RL技术来提供强化学习（RL）入门系列。 背景审查 RL的快速回顾背景可以。 教程： 教程1： 教程2： 教程3： 教程4： 教程5： 教程6： 教程7： 教程8： （未完成） 教程9： 教程10： （未完成） 教程11： （ WIP ） 教程12： 教程13：（合并） 指南14： 教程15： （惨败） 参考文献： 克里斯·沃特金斯（Chris Watkins），《从延迟奖励中学习》，剑桥，1989年（