基于智能体系统的Q-学习算法的研究与改进
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 第1章 绪论 | 第13-25页 |
| ·机器学习 | 第13-17页 |
| ·机器学习的发展 | 第13-14页 |
| ·强化学习发展及应用 | 第14-17页 |
| ·智能体系统概述 | 第17-23页 |
| ·智能体定义 | 第17-18页 |
| ·智能体与环境 | 第18-19页 |
| ·智能体结构与模型 | 第19-20页 |
| ·智能体的强化学习 | 第20-23页 |
| ·本文的研究目的及意义 | 第23-24页 |
| ·本文的主要内容 | 第24-25页 |
| 第2章 强化学习理论及其主要算法 | 第25-38页 |
| ·MARKOV 决策过程 | 第25-26页 |
| ·强化学习基本原理及模型 | 第26-28页 |
| ·强化学习系统的组成要素 | 第28-30页 |
| ·强化学习的主要算法 | 第30-37页 |
| ·动态规划 | 第30-31页 |
| ·蒙特卡罗算法 | 第31-32页 |
| ·瞬时差分算法 | 第32-33页 |
| ·Q-学习算法 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 基于启发知识的Q-学习模型与算法研究 | 第38-51页 |
| ·基于启发知识的Q-学习算法研究 | 第38-44页 |
| ·基于启发知识的Q-学习算法主要原理 | 第38-40页 |
| ·算法在单智能体环境中的应用 | 第40页 |
| ·实验仿真及结果分析 | 第40-44页 |
| ·基于启发知识的并行Q-学习算法研究 | 第44-50页 |
| ·基于启发知识的并行Q-学习算法主要原理 | 第44-46页 |
| ·算法在多智能体环境中的应用 | 第46页 |
| ·实验仿真及结果分析 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 一种基于模糊推理的Q-学习模型与算法研究 | 第51-62页 |
| ·模块化Q-学习方法 | 第51-53页 |
| ·模糊逻辑概述 | 第53-56页 |
| ·一种基于多智能体的模糊Q-学习算法 | 第56-58页 |
| ·模糊Q-学习算法 | 第56-57页 |
| ·强化函数的设计 | 第57-58页 |
| ·算法在多智能体系统中的应用 | 第58-60页 |
| ·实验仿真及结果分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间所发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |
