| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 引言 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第二章 背景知识 | 第20-30页 |
| 2.1 马尔科夫决策过程 | 第20-22页 |
| 2.2 强化学习基本方法 | 第22-27页 |
| 2.2.1 时间差分方法 | 第22-24页 |
| 2.2.2 策略梯度方法 | 第24-25页 |
| 2.2.3 行动者-评论家方法 | 第25-27页 |
| 2.3 异步深度强化学习 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于多重门限机制的异步优势行动者-评论家算法 | 第30-45页 |
| 3.1 多重门限机制 | 第30-34页 |
| 3.1.1 门限机制 | 第30-32页 |
| 3.1.2 多重门限机制 | 第32-34页 |
| 3.2 基于多重门限机制的异步优势行动者-评论家算法 | 第34-36页 |
| 3.2.1 训练算法描述 | 第34-35页 |
| 3.2.2 模型架构描述 | 第35-36页 |
| 3.3 仿真实验 | 第36-44页 |
| 3.3.1 实验描述 | 第36-38页 |
| 3.3.2 实验设置 | 第38页 |
| 3.3.3 实验结果与分析 | 第38-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于跳跃连接的异步优势行动者-评论家算法 | 第45-56页 |
| 4.1 跳跃连接 | 第45-47页 |
| 4.2 基于跳跃连接的异步优势行动者-评论家算法 | 第47-50页 |
| 4.2.1 模型架构 | 第47-49页 |
| 4.2.2 模型参数更新方式 | 第49-50页 |
| 4.3 仿真实验 | 第50-55页 |
| 4.3.1 实验描述以及参数设置 | 第50-52页 |
| 4.3.2 实验结果及分析 | 第52-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 基于多重门限机制的自适应近邻区间策略优化算法 | 第56-67页 |
| 5.1 置信区间策略优化方法 | 第56-58页 |
| 5.2 自适应区间裁剪方法 | 第58-59页 |
| 5.3 基于多重门限机制的自适应近邻区间策略优化算法 | 第59-61页 |
| 5.4 仿真实验 | 第61-66页 |
| 5.4.1 实验描述及参数设置 | 第61-62页 |
| 5.4.2 实验结果及分析 | 第62-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-76页 |
| 攻读硕士学位期间公开发表(录用)的论文及参与的项目 | 第76-77页 |
| 一、公开发表(录用)的学术论文 | 第76页 |
| 二、专利 | 第76页 |
| 三、参加的科研项目 | 第76-77页 |
| 致谢 | 第77-78页 |
