| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 引言 | 第9页 |
| 1.2 相关研究现状 | 第9-10页 |
| 1.2.1 马尔科夫决策过程的相似度量算法研究现状 | 第9-10页 |
| 1.2.2 聚焦对象类强化学习算法研究现状 | 第10页 |
| 1.3 研究间题与主要工作 | 第10-11页 |
| 1.3.1 马尔科夫决策过程的相似度量 | 第10-11页 |
| 1.3.2 聚焦对象类强化学习算法 | 第11页 |
| 1.4 论文结构和章节安排 | 第11-13页 |
| 第二章 强化学习理论与算法 | 第13-27页 |
| 2.1 马尔科夫决策过程 | 第13-17页 |
| 2.1.1 agent与环境的接口 | 第13-14页 |
| 2.1.2 公式表述 | 第14-15页 |
| 2.1.3 策略与值函数 | 第15-16页 |
| 2.1.4 最优策略与最优值函数 | 第16-17页 |
| 2.2 经典强化学习算法 | 第17-25页 |
| 2.2.1 免模型强化学习算法 | 第17-21页 |
| 2.2.2 基于模型的强化学习算法 | 第21页 |
| 2.2.3 Dyna集成架构 | 第21-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 MDP相似度量模型 | 第27-33页 |
| 3.1 引言 | 第27页 |
| 3.2 一种MDP相似度量方法 | 第27-28页 |
| 3.2.1 度量不同MDP间状态的距离 | 第27-28页 |
| 3.2.2 度量不同MDP的距离 | 第28页 |
| 3.3 实验 | 第28-31页 |
| 3.3.1 实验场景 | 第28-29页 |
| 3.3.2 实验结果与分析 | 第29-31页 |
| 3.4 讨论 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 聚焦对象类强化学习算法 | 第33-47页 |
| 4.1 引言 | 第33页 |
| 4.2 聚焦对象的Q学习算法 | 第33-36页 |
| 4.2.1 聚焦对象的马尔可夫决策过程 | 第33页 |
| 4.2.2 Q值估计 | 第33-34页 |
| 4.2.3 控制策略 | 第34页 |
| 4.2.4 阈值更新机制与算法流程 | 第34-36页 |
| 4.2.5 讨论 | 第36页 |
| 4.3 简化的聚焦对象Q学习算法 | 第36-39页 |
| 4.3.1 算法概述 | 第36-37页 |
| 4.3.2 控制策略 | 第37页 |
| 4.3.3 实验 | 第37-39页 |
| 4.3.4 讨论 | 第39页 |
| 4.4 基于Dyna架构的改进聚焦对象Q学习算法 | 第39-46页 |
| 4.4.1 控制错觉 | 第39-40页 |
| 4.4.2 改进算法概述 | 第40-42页 |
| 4.4.3 模型学习与规划 | 第42-43页 |
| 4.4.4 实验 | 第43-45页 |
| 4.4.5 讨论 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 论文工作总结 | 第47页 |
| 5.2 后续工作展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53页 |