本書的目標(biāo) 
近年來，我們常常聽到強(qiáng)化學(xué)習(xí)和深度強(qiáng)化學(xué)習(xí)等詞語。但是，實(shí)際上真正實(shí)現(xiàn)強(qiáng)化學(xué)習(xí)的并不多。目前正處于第三次人工智能熱潮中，深度學(xué)習(xí)方面已經(jīng)出版了大量書籍。然而，大多數(shù)關(guān)于強(qiáng)化學(xué)習(xí)和深度強(qiáng)化學(xué)習(xí)的書籍都是相關(guān)研究人員的學(xué)術(shù)成果。學(xué)術(shù)性書籍強(qiáng)調(diào)理論，傾向于公式和證明，實(shí)現(xiàn)代碼往往很少。對于非研究人員來說，通過閱讀這類書籍來理解強(qiáng)化學(xué)習(xí)和深度強(qiáng)化學(xué)習(xí)存在著較大的障礙。 
因此，本書面向的不是研究者而是普通大眾，旨在讓讀者在實(shí)踐中理解強(qiáng)化學(xué)習(xí)和深度強(qiáng)化學(xué)習(xí)。本書強(qiáng)調(diào)算法的具體實(shí)現(xiàn)，通過給出大量代碼并對其進(jìn)行解釋和說明，來幫助讀者更好地學(xué)習(xí)。書中所有的代碼都可以下載。在閱讀本書時請實(shí)現(xiàn)相關(guān)程序，通過完成實(shí)際代碼來學(xué)習(xí)。 
強(qiáng)化學(xué)習(xí)和深度強(qiáng)化學(xué)習(xí)主要用于兩個目的—機(jī)器人等控制規(guī)則的構(gòu)建以及圍棋、將棋等對戰(zhàn)游戲的策略構(gòu)建。本書涉及控制規(guī)則的構(gòu)建，但沒有實(shí)現(xiàn)圍棋等對戰(zhàn)游戲。然而，本書所講述的基本內(nèi)容對那些想要為對戰(zhàn)游戲制定策略的人也是有用的。 
讀者所需的先驗(yàn)知識 
本書以對強(qiáng)化學(xué)習(xí)和深度強(qiáng)化學(xué)習(xí)感興趣，但不了解其細(xì)節(jié)和實(shí)現(xiàn)方法的讀者為對象。閱讀本書需要以下三方面的知識： 
1）能夠理解if語句、for語句。 
2）能夠自己定義方法（函數(shù)）。 
3）會執(zhí)行向量和矩陣的乘法運(yùn)算。 
換句話說，本書試圖以更容易理解的方式進(jìn)行講解，讀者具備一些基本的編程經(jīng)驗(yàn)和基本的線性代數(shù)知識即可順利學(xué)習(xí)。本書使用Python作為編程語言來實(shí)現(xiàn)相關(guān)程序，即使對Python不熟悉的讀者也能輕松理解本書內(nèi)容。但是，由于篇幅的限制，本書沒有解釋Python的所有基本細(xì)節(jié)，如果你是Python初學(xué)者，請參考網(wǎng)上的信息和Python的入門書籍。 
本書的實(shí)現(xiàn)代碼和運(yùn)行環(huán)境 
可以從作者的GitHub或Mynavi出版社的出版支持頁面下載本書的實(shí)現(xiàn)代碼。 


本書的運(yùn)行環(huán)境如下所示。我們使用PyTorch作為深度學(xué)習(xí)的框架，采用的是在2018年4月底發(fā)布的0.4.0版本。第7章使用亞馬遜的云服務(wù)，通過GPU服務(wù)器來進(jìn)行計算。計算所需時間大約3小時，費(fèi)用為500日元或更少，所以嘗試運(yùn)行所需的費(fèi)用并不高。