| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 相关工作 | 第17-26页 |
| 2.1 强化学习的基本原理 | 第17-19页 |
| 2.2 贝叶斯推理 | 第19-20页 |
| 2.3 高斯过程 | 第20-21页 |
| 2.4 几种常用的强化学习算法 | 第21-25页 |
| 2.4.1 动态规划方法 | 第21-22页 |
| 2.4.2 蒙特卡洛方法 | 第22-23页 |
| 2.4.3 TD(λ)学习方法 | 第23-24页 |
| 2.4.4 Q 学习方法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于优先级扫描 Dyna 结构的贝叶斯 Q 学习 | 第26-41页 |
| 3.1 Dyna 结构以及优先级扫描 | 第26-27页 |
| 3.2 优先级扫描 Dyna 结构的贝叶斯 Q 学习算法及分析 | 第27-33页 |
| 3.2.1 贝叶斯 Q 学习 | 第27-30页 |
| 3.2.2 Dyna-PS-BayesQL 算法 | 第30-32页 |
| 3.2.3 Dyna-PS-BayesQL 算法分析 | 第32-33页 |
| 3.3 实验及结果分析 | 第33-40页 |
| 3.3.1 链问题 | 第33-35页 |
| 3.3.2 迷宫导航问题 | 第35-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于随机投影的高斯过程时间差分算法 | 第41-56页 |
| 4.1 高斯过程时间差分算法 | 第41-44页 |
| 4.2 基于随机投影的高斯过程时间差分算法及分析 | 第44-48页 |
| 4.2.1 稀疏化方法 | 第44-46页 |
| 4.2.2 随机投影算法 | 第46-48页 |
| 4.3 基于随机投影的高斯过程时间差分算法 | 第48-51页 |
| 4.4 实验及结果分析 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 基于状态依赖探索的贝叶斯策略梯度算法 | 第56-68页 |
| 5.1 策略梯度强化学习框架 | 第56-57页 |
| 5.2 贝叶斯积分梯度估计方法 | 第57-60页 |
| 5.3 状态依赖探索的贝叶斯策略梯度算法 | 第60-63页 |
| 5.3.1 状态依赖探索 | 第60-61页 |
| 5.3.2 算法及分析 | 第61-63页 |
| 5.4 实验结果分析 | 第63-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 本文工作总结 | 第68-69页 |
| 6.2 工作展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间发表（录用）的论文及参与的项目 | 第75-76页 |
| 一、发表（录用）的论文 | 第75页 |
| 二、科研成果 | 第75页 |
| 三、参加的科研项目 | 第75-76页 |
| 致谢 | 第76-77页 |
