| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 背景知识 | 第16-26页 |
| 2.1 马尔科夫决策过程 | 第16-18页 |
| 2.2 强化学习经典算法 | 第18-22页 |
| 2.2.1 动态规划 | 第18-19页 |
| 2.2.2 蒙特卡罗方法 | 第19页 |
| 2.2.3 时间差分算法 | 第19-21页 |
| 2.2.4 行动者-评论家算法 | 第21-22页 |
| 2.3 函数逼近方法 | 第22-25页 |
| 2.3.1 参数化函数逼近 | 第22-24页 |
| 2.3.2 非参数化函数逼近 | 第24-25页 |
| 2.3.3 参数化与非参数化函数逼近器对比 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 支持合并的自适应Tile-Coding算法 | 第26-38页 |
| 3.1 自适应Tile-Coding | 第26-29页 |
| 3.1.1 Tile-Coding | 第26-28页 |
| 3.1.2 自适应Tile-Coding | 第28-29页 |
| 3.2 支持合并的自适应Tile-Coding | 第29-33页 |
| 3.2.1 算法说明 | 第29-32页 |
| 3.2.2 收敛性分析 | 第32-33页 |
| 3.3 实验及结果分析 | 第33-37页 |
| 3.3.1 Mountain Car实验介绍 | 第33-34页 |
| 3.3.2 实验结果及分析 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于探索树的拟合Q迭代算法 | 第38-53页 |
| 4.1 批量强化学习 | 第38-40页 |
| 4.2 拟合Q迭代算法 | 第40-41页 |
| 4.3 基于探索树的拟合Q迭代算法 | 第41-45页 |
| 4.3.1 探索树 | 第41-44页 |
| 4.3.2 基于探索树的拟合Q迭代算法 | 第44-45页 |
| 4.4 实验及结果分析 | 第45-52页 |
| 4.4.1 链问题 | 第45-49页 |
| 4.4.2 迷宫问题 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于子特征空间的核函数构造方法 | 第53-62页 |
| 5.1 factored MDP | 第53页 |
| 5.2 KBRL框架 | 第53-54页 |
| 5.3 factKBRL算法 | 第54-58页 |
| 5.3.1 factKBRL算法说明 | 第54-57页 |
| 5.3.2 收敛性分析 | 第57-58页 |
| 5.4 实验结果与分析 | 第58-61页 |
| 5.4.1 实验介绍 | 第58页 |
| 5.4.2 实验结果及分析 | 第58-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间公开发表(录用)的论文与科研项目 | 第69-70页 |
| 致谢 | 第70-71页 |