【经典书】贝叶斯强化学习概述，147页pdf

用于机器学习的贝叶斯方法已经被广泛研究，产生了将先验信息纳入推理算法的原则方法。本文对贝叶斯方法在强化学习(RL)范式中的作用进行了深入的评述。在RL中整合贝叶斯推理的主要动机是，它提供了一种优雅的行动选择(探索/开发)方法，作为学习中的不确定性的函数，并且它提供了一种将先验知识整合到算法中的机制。

贝叶斯强化学习:综述首先讨论了简单单步Bandit模型中的贝叶斯推理模型和方法。然后回顾了最近关于基于模型的RL的贝叶斯方法的广泛文献，其中先验信息可以表达在马尔可夫模型的参数上。它还提出了无模型RL的贝叶斯方法，其中先验是在值函数或策略类上表示的。

《贝叶斯强化学习》是一个全面的参述，为学生和研究人员与兴趣的贝叶斯RL算法及其理论和经验性质。