在这最后一门课程中，您将综合运用课程 1、2 和 3 中的知识，针对一个问题实施完整的 RL 解决方案。在这个毕业设计中，您将了解问题的提出、算法的选择、参数的选择和表示法的设计等各个环节是如何组合成一个完整的解决方案的，以及在现实世界中部署 RL 时如何做出适当的选择。本项目将要求您同时实现激发问题的环境和具有神经网络函数逼近功能的控制代理。此外，您还将对学习系统进行科学研究，以培养评估 RL 代理稳健性的能力。要在现实世界中使用 RL，关键在于：(a) 将问题适当地形式化为 MDP；(b) 选择适当的算法；(c) 确定实施过程中哪些选择会对性能产生重大影响；(d) 验证算法的预期行为。对于打算使用 RL 解决实际问题的人来说，这门顶点课程非常有价值。 要成功完成这门课程，您需要完成本专业的课程 1、2 和 3 或同等课程。 在本课程结束时，您将能够

完成一个问题的 RL 解决方案，从问题的制定、适当算法的选择和实施开始，并对解决方案的有效性进行实证研究。