强化学习是机器学习领域的重要分支，本书作为该领域入门级教材，在内容上尽可能涵盖强化学习理论的各方面。本书共12章，大致分为3个部分：第一部分（第1-3章）介绍强化学习的基础知识；第2部分（第4-7章）讨论一些经典而常用的强化学习方法（动态规划、蒙特卡洛、时间差分、神经网络、自适应动态规划）；第3部分（第8-12章）为进阶知识，内容涉及策略迭代学习、值迭代学习、Q-学习、脱策学习、深度强化学习等。本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对强化学习感兴趣的研究人员和工程技术人员阅读参考。