强化学习代码，2016版，matlab

【实例简介】
和大家分享一下，这是2016版的代码，变量名不是特别友好但是可以用来借鉴学习，希望能够有帮助。
【实例截图】
【核心代码】
suntton强化学习书籍代码(1)
└── suntton强化学习书籍代码
├── ~$内容说明.doc
├── Chapter 2 (Evaluative Feedback)
│   ├── binary_bandit_exps.m
│   ├── binary_bandit_exps_Script.m
│   ├── exercise_2_11.m
│   ├── exercise_2_11_Script.m
│   ├── exercise_2_5.m
│   ├── exercise_2_7.m
│   ├── exercise_2_7_Script.m
│   ├── n_armed_testbed.m
│   ├── n_armed_testbed_softmax.m
│   ├── opt_initial_values.m
│   ├── opt_initial_values_Script.m
│   ├── persuit_method.m
│   ├── persuit_method_Script.m
│   ├── reinforcement_comparison_methods.m
│   ├── reinforcement_comparison_methods_Script.m
│   └── sample_discrete.m
├── Chapter 3 (The Reinforcement Learning Problem)
│   ├── rr_action_bellman.m
│   └── rr_state_bellman.m
├── Chapter 4 (Dynamic Programming)
│   ├── cmpt_P_and_R.m
│   ├── ex_4_2_sys_solv.m
│   ├── ex_4_5_policy_evaluation.m
│   ├── ex_4_5_policy_improvement.m
│   ├── ex_4_5_rhs_state_value_bellman.m
│   ├── ex_4_5_Script.m
│   ├── gam_rhs_state_bellman.m
│   ├── gam_Script.m
│   ├── iter_poly_gw_inplace.m
│   ├── iter_poly_gw_not_inplace.m
│   ├── jcr_example.m
│   ├── jcr_policy_evaluation.m
│   ├── jcr_policy_improvement.m
│   └── jcr_rhs_state_value_bellman.m
├── Chapter 5 (Monte Carlo Methods)
│   ├── cmpt_bj_value_fn.m
│   ├── determineReward.m
│   ├── ex_5_4_Script.m
│   ├── gen_rt_episode.m
│   ├── handValue.m
│   ├── init_unif_policy.m
│   ├── mc_es_bj_Script.m
│   ├── mcEstQ.m
│   ├── mk_rt.m
│   ├── rt_pol_mod.m
│   ├── shufflecards.m
│   ├── soft_policy_bj_Script.m
│   ├── stateFromHand.m
│   └── velState2PosActions.m
├── Chapter 6 (Temporal Difference Learning)
│   ├── cmpt_arms_err.m
│   ├── eg_6_2_learn.m
│   ├── eg_rw_batch_learn.m
│   ├── learn_cw.m
│   ├── learn_cw_Script.m
│   ├── mk_arms_error_plt.m
│   ├── mk_batch_arms_error_plt.m
│   ├── mk_fig_6_6.m
│   ├── plot_cw_policy.m
│   ├── plot_gw_policy.m
│   ├── R_learn_acq.m
│   ├── R_learn_acq_Script.m
│   ├── run_all_gw_Script.m
│   ├── wgw_w_kings.m
│   ├── wgw_w_kings_n_wind.m
│   ├── wgw_w_kings_n_wind_Script.m
│   ├── wgw_w_kings_Script.m
│   ├── wgw_w_stoch_wind.m
│   ├── wgw_w_stoch_wind_Script.m
│   ├── windy_gw.m
│   └── windy_gw_Script.m
├── Chapter 7 (Eligibility Traces)
│   ├── eg_7_5_episode.m
│   ├── eg_7_5_learn_at.m
│   ├── eg_7_5_learn_rt.m
│   ├── eg_7_5_Script.m
│   ├── gw_w_et.m
│   ├── gw_w_et_Script.m
│   ├── rw_accumulating_vs_replacing_Script.m
│   ├── rw_episode.m
│   ├── rw_offline_ntd_learn.m
│   ├── rw_offline_ntd_learn_Script.m
│   ├── rw_offline_tdl_learn.m
│   ├── rw_offline_tdl_learn_Script.m
│   ├── rw_online_ntd_learn.m
│   ├── rw_online_ntd_learn_Script.m
│   ├── rw_online_tdl_learn.m
│   ├── rw_online_tdl_learn_Script.m
│   ├── rw_online_w_et.m
│   ├── rw_online_w_et_Script.m
│   └── rw_online_w_replacing_traces.m
├── Chapter 8 (Generailzation and Function Approximation)
│   ├── do_mnt_car_Exps.m
│   ├── get_ctg.m
│   ├── GetTiles_Mex.C
│   ├── GetTiles_Mex_Script.m
│   ├── linAppFn.m
│   ├── mnt_car_learn.m
│   ├── next_state.m
│   ├── ret_q_in_st.m
│   ├── stp_fn_approx_Script.m
│   ├── targetF.m
│   ├── tiles.C
│   └── tiles.h
├── Chapter 9 (Planning and Learning)
│   ├── blocking_mz_Script.m.m
│   ├── do_ex_9_1_exps.m.m
│   ├── dynaQ_maze.m.m
│   ├── dynaQ_maze_Script.m.m
│   ├── dynaQplus_maze.m.m
│   ├── dynaQplus_maze_Script.m.m
│   ├── ex_9_4_dynaQplus.m.m
│   ├── ex_9_4_dynaQplus_Script.m.m
│   ├── mk_ex_9_1_mz.m.m
│   ├── mk_ex_9_2_mz.m.m
│   ├── mk_ex_9_3_mz.m.m
│   └── plot_mz_policy.m.m
└── suntton非matlab代码说明.doc

9 directories, 112 files