| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 背景知识 | 第15-24页 |
| 2.1 马尔科夫决策过程 | 第15-17页 |
| 2.2 值函数逼近方法 | 第17-18页 |
| 2.2.1 参数化函数逼近 | 第17-18页 |
| 2.2.2 非参数化函数逼近 | 第18页 |
| 2.3 参数求解方法 | 第18-22页 |
| 2.3.1 点估计方法 | 第19-20页 |
| 2.3.2 贝叶斯估计方法 | 第20-22页 |
| 2.4 高斯过程 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于高斯过程的快速 SARSA 算法 | 第24-39页 |
| 3.1 新的值函数概率生成模型 | 第24-26页 |
| 3.2 利用高斯过程对线性带参值函数建模 | 第26-28页 |
| 3.3 FL-GPSARSA 算法 | 第28-31页 |
| 3.4 仿真实验 | 第31-38页 |
| 3.4.1 实验一：带风的格子世界问题 | 第31-34页 |
| 3.4.2 实验二：Mountain-Car 问题 | 第34-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于高斯过程的 Q 学习算法 | 第39-51页 |
| 4.1 值迭代方法 | 第39-40页 |
| 4.2 用于值迭代的值函数概率生成模型 | 第40-42页 |
| 4.3 GP-QL 算法 | 第42-45页 |
| 4.4 仿真实验 | 第45-50页 |
| 4.4.1 实验 1：带悬崖的格子世界问题 | 第45-48页 |
| 4.4.2 实验 2：Mountain-Car 问题 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 连续动作空间中基于时间差分误差的行动者评论家算法 | 第51-66页 |
| 5.1 策略搜索 | 第51-52页 |
| 5.2 行动者评论家方法 | 第52-54页 |
| 5.3 基于时间差分误差的行动者评论家算法 | 第54-59页 |
| 5.3.1 均方误差函数 | 第54-56页 |
| 5.3.2 基于梯度下降的 GDCAC 算法 | 第56-57页 |
| 5.3.3 基于最小二乘的 LSCAC 算法 | 第57-59页 |
| 5.4 仿真实验 | 第59-65页 |
| 5.4.1 实验描述 | 第60-61页 |
| 5.4.2 实验设置 | 第61页 |
| 5.4.3 实验结果及分析 | 第61-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-69页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表（录用）的论文及参与的项目 | 第74-75页 |
| 一、发表（录用）的论文 | 第74页 |
| 二、参加的科研项目 | 第74-75页 |
| 致谢 | 第75-76页 |
