从零学强化学习

沿着 14 课路径阅读纯 numpy 代码，并观察强化学习算法在控制与蜂群环境中的训练表现。

HMXLapp 是一个从第一行代码实现强化学习的课程型项目展示页。内容不依赖 gym 或 stable-baselines 等现成强化学习框架，以 Python 和 numpy 编写表格方法、策略梯度、价值网络、Actor-Critic、PPO、TRPO、SAC 等算法。页面展示蜂群编队与四旋翼悬停的真实训练指标，并通过浏览器画布模拟四旋翼内环物理、八智能体圆形编队以及带障碍的蜂群追逃。14 课学习路径将概念笔记、短代码、测试和示例串联起来，项目结构区进一步列出核心模块及运行全部测试的命令。