| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状及趋势 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 最小二乘策略迭代算法 | 第14-22页 |
| 2.1 马尔可夫决策过程 | 第14-15页 |
| 2.2 最小二乘策略迭代 | 第15-21页 |
| 2.2.1 投影贝尔曼等式的矩阵形式 | 第15-18页 |
| 2.2.2 最小二乘策略迭代 | 第18-19页 |
| 2.2.3 在线最小二乘策略迭代 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 批量最小二乘策略迭代算法 | 第22-38页 |
| 3.1 批量强化学习算法 | 第22-23页 |
| 3.2 批量最小二乘策略迭代算法 | 第23-27页 |
| 3.3 算法分析 | 第27-30页 |
| 3.3.1 收敛性分析 | 第27-29页 |
| 3.3.2 复杂度分析 | 第29-30页 |
| 3.4 仿真实验 | 第30-37页 |
| 3.4.1 实验描述 | 第30-31页 |
| 3.4.2 实验设置 | 第31页 |
| 3.4.3 实验分析 | 第31-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 自动批量最小二乘策略迭代算法 | 第38-48页 |
| 4.1 定点步长参数评估方法 | 第38-41页 |
| 4.2 自动批量最小二乘策略迭代算法 | 第41-42页 |
| 4.3 仿真实验 | 第42-47页 |
| 4.3.1 实验描述 | 第42页 |
| 4.3.2 实验设置 | 第42-43页 |
| 4.3.3 实验分析 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 连续动作空间的批量最小二乘策略迭代算法 | 第48-59页 |
| 5.1 二值动作搜索 | 第48-49页 |
| 5.2 快速特征选择 | 第49-50页 |
| 5.3 连续动作空间的快速特征选择批量最小二乘策略迭代算法 | 第50-52页 |
| 5.4 仿真实验 | 第52-57页 |
| 5.4.1 实验描述 | 第52-53页 |
| 5.4.2 实验设置 | 第53页 |
| 5.4.3 实验分析 | 第53-57页 |
| 5.5 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表（录用）的论文及参与的项目 | 第66-67页 |
| 一、发表（录用）的论文 | 第66页 |
| 二、科研成果 | 第66页 |
| 三、参加的科研项目 | 第66-67页 |
| 致谢 | 第67-68页 |