| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 引言 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 背景知识 | 第18-31页 |
| 2.1 马尔科夫决策过程 | 第18-20页 |
| 2.2 核方法及稀疏化方法 | 第20-24页 |
| 2.2.1 核方法 | 第20-22页 |
| 2.2.2 稀疏化方法 | 第22-24页 |
| 2.3 强化学习基本方法 | 第24-30页 |
| 2.3.1 时间差分方法 | 第24-27页 |
| 2.3.2 策略梯度方法 | 第27-29页 |
| 2.3.3 行动者-评论家方法 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于聚类稀疏化的选择性核方法 | 第31-44页 |
| 3.1 选择性核函数 | 第31-32页 |
| 3.2 基于聚类的稀疏化算法 | 第32-37页 |
| 3.2.1 基于距离的新奇规则算法 | 第32-34页 |
| 3.2.2 基于聚类的新奇规则算法 | 第34-37页 |
| 3.3 算法设计 | 第37-38页 |
| 3.4 实验及结果分析 | 第38-43页 |
| 3.4.1 实验描述 | 第38-39页 |
| 3.4.2 实验结果分析 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于核的真实在线策略评估算法 | 第44-54页 |
| 4.1 真实在线理论基础 | 第44-45页 |
| 4.2 真实在线策略评估 | 第45-49页 |
| 4.2.1 基于核的真实在线时间差分算法 | 第45-47页 |
| 4.2.2 基于核的真实在线双重启发式动态规划算法 | 第47-49页 |
| 4.3 实验及结果分析 | 第49-53页 |
| 4.3.1 实验描述 | 第49-51页 |
| 4.3.2 实验结果分析 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 基于核的真实在线自然策略梯度算法 | 第54-68页 |
| 5.1 自然策略梯度方法 | 第54-58页 |
| 5.1.1 策略梯度 | 第54-57页 |
| 5.1.2 自然策略梯度 | 第57-58页 |
| 5.2 基于核的真实在线自然梯度行动者-评论家算法 | 第58-63页 |
| 5.3 实验结果分析 | 第63-67页 |
| 5.3.1 平衡杆 | 第63-64页 |
| 5.3.2 Mountain Car | 第64-65页 |
| 5.3.3 Acrobot | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士学位期间公开发表(录用)的论文及参与的项目 | 第76-78页 |
| 一、公开发表(录用)的学术论文 | 第76页 |
| 二、专利 | 第76-77页 |
| 三、参加的科研项目 | 第77-78页 |
| 致谢 | 第78-79页 |
