Q_learning强化学习算法的改进及应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 引言 | 第11-12页 |
| 1 绪论 | 第12-20页 |
| 1.1 课题背景 | 第12-14页 |
| 1.2 强化学习的发展历史 | 第14-16页 |
| 1.3 国内外研究现状 | 第16页 |
| 1.4 强化学习方法的应用 | 第16-17页 |
| 1.5 强化学习算法中问题 | 第17-18页 |
| 1.6 本文的主要工作 | 第18-19页 |
| 1.7 论文组织结构 | 第19-20页 |
| 2 强化学习基本理论 | 第20-32页 |
| 2.1 强化学习模型及其基本要素 | 第20-23页 |
| 2.1.1 强化学习的基本要素 | 第21-22页 |
| 2.1.2 马尔科夫决策过程 | 第22-23页 |
| 2.2 强化学习的主要算法 | 第23-29页 |
| 2.2.1 蒙特卡洛法 | 第23-24页 |
| 2.2.2 时间差分(TD)算法 | 第24-26页 |
| 2.2.3 Q学习与SARSA学习 | 第26-28页 |
| 2.2.4 SARSA学习 | 第28-29页 |
| 2.2.5 Dyna学习框架 | 第29页 |
| 2.3 强化学习中常用的探索策略 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 3 基于启发函数的强化学习算法 | 第32-43页 |
| 3.1 引言 | 第32-33页 |
| 3.2 Q_learning算法 | 第33-35页 |
| 3.2.1 Q_learning算法简介 | 第33页 |
| 3.2.2 Q_learning算法收敛性分析 | 第33-35页 |
| 3.3 Q(λ)算法简介 | 第35-37页 |
| 3.3.1 Q(λ)算法流程 | 第35-37页 |
| 3.4 基于启发函数的强学习算法 | 第37-40页 |
| 3.4.1 启发式奖赏 | 第37-38页 |
| 3.4.2 启发式策略的选择原理 | 第38-40页 |
| 3.5 启发式Q学习 | 第40-42页 |
| 本章小结 | 第42-43页 |
| 4 实验与仿真 | 第43-50页 |
| 4.1 引言 | 第43页 |
| 4.2 启发函数的设计 | 第43-45页 |
| 4.3 程序结果 | 第45-47页 |
| 4.4 程序仿真图 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 总结与展望 | 第50-52页 |
| 研究总结 | 第50-51页 |
| 工作展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 作者简介及读研期间主要科研成果 | 第56页 |
