西湖赵世钰：强化学习的数学原理

课程简介

• 所属大学：西湖
• 授课教师：赵世钰
• 先修要求：概率论、线性代数、Python
• 课程难度：🌟🌟🌟🌟
• 预计学时：54 讲（约 54 小时）

国内 RL 理论教学的标杆课程。从贝尔曼方程推导出发，严格讲清 状态价值函数、动作价值函数、策略梯度、Actor-Critic 架构的数学关系，而不是停留在直觉类比。覆盖：动态规划（策略迭代/价值迭代）、蒙特卡洛方法、时序差分（TD/SARSA/Q-Learning）、函数近似、策略梯度（REINFORCE/PPO）。

配套开源教材《数学基础强化学习》（GitHub）推导完整，与视频一一对应，是罕见能做到“看完就能读理论论文”的中文课程。

课程资源

• 课程视频（B 站官方）：强化学习的数学原理 — 54P
• 配套教材（开源）：MathFoundationRL GitHub