| 学位论文数据集 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第17-39页 |
| 1.1 课题来源 | 第17页 |
| 1.2 课题背景 | 第17-19页 |
| 1.3 策略评价算法研究及其发展 | 第19-29页 |
| 1.3.1 策略评价算法 | 第19-21页 |
| 1.3.2 值函数逼近问题 | 第21-23页 |
| 1.3.3 时域差分算法 | 第23-25页 |
| 1.3.4 离策略收敛一阶策略评价算法 | 第25-27页 |
| 1.3.5 最小二乘策略评价算法 | 第27-29页 |
| 1.4 策略评价算法中的正则化 | 第29-33页 |
| 1.4.1 参数正则化 | 第29-31页 |
| 1.4.2 邻近算法和ADMM | 第31-32页 |
| 1.4.3 正则化技术在策略评价算法研究中的应用 | 第32-33页 |
| 1.5 强化学习中应用的benchmark问题 | 第33-36页 |
| 1.5.1 20状态Markov链问题 | 第34-35页 |
| 1.5.2 Barid离策略反例问题 | 第35页 |
| 1.5.3 小车爬山问题 | 第35-36页 |
| 1.5.4 倒立摆问题 | 第36页 |
| 1.6 论文选题的立论、目的和意义及研究内容 | 第36-39页 |
| 1.6.1 论文选题的立论、目的和意义 | 第36-37页 |
| 1.6.2 论文的主要研究内容及技术方案 | 第37-39页 |
| 第二章 带有梯度修正作用的核最小二乘时域差分算法 | 第39-59页 |
| 2.1 引言 | 第39-40页 |
| 2.2 带有梯度修正作用的最小二乘时域差分 | 第40-44页 |
| 2.2.1 目标函数 | 第40-41页 |
| 2.2.2 带有梯度修正作用的最小二乘时域差分 | 第41-44页 |
| 2.3 带有梯度修正作用的核最小二乘时域差分及核选择策略 | 第44-49页 |
| 2.3.1 带有梯度修正作用的核最小二乘时域差分 | 第44-46页 |
| 2.3.2 基于ALD的核函数自动选择策略 | 第46-47页 |
| 2.3.3 基于KLS-TDC的策略迭代 | 第47-49页 |
| 2.4 数值实验与分析 | 第49-56页 |
| 2.4.1 在策略学习性能的测试 | 第49-52页 |
| 2.4.2 离策略学习性能的测试 | 第52-54页 |
| 2.4.3 学习控制性能的测试 | 第54-56页 |
| 2.5 本章结论 | 第56-59页 |
| 第三章 带有梯度修正作用的递推最小二乘时域差分及扩展 | 第59-83页 |
| 3.1 引言 | 第59-60页 |
| 3.2 带有梯度修正作用的递推最小二乘时域差分 | 第60-70页 |
| 3.2.1 正则化LS-TDC | 第60-62页 |
| 3.2.2 带有资格迹的RC(λ)算法 | 第62-67页 |
| 3.2.3 对离策略问题的扩展形式 | 第67-69页 |
| 3.2.4 RC及LS-TDC的收敛性分析 | 第69-70页 |
| 3.3 在线l_2-正则化RC算法 | 第70-74页 |
| 3.3.1 在线l_2-正则化RC | 第70-73页 |
| 3.3.2 在线l_2-正则化RC的收敛性分析 | 第73-74页 |
| 3.4 数值实验与分析 | 第74-82页 |
| 3.4.1 RC的策略评价性能测试 | 第74-78页 |
| 3.4.2 RGQ的学习控制性能测试 | 第78-79页 |
| 3.4.3 RRC与FRRC性能的测试 | 第79-82页 |
| 3.5 本章结论 | 第82-83页 |
| 第四章 基于嵌套优化的特征选择策略评价方法 | 第83-101页 |
| 4.1 引言 | 第83-84页 |
| 4.2 基于嵌套优化的特征选择策略评价方法 | 第84-91页 |
| 4.2.1 目标函数 | 第84-86页 |
| 4.2.2 RC迭代校正 | 第86-87页 |
| 4.2.3 基于ADMM的FPE步骤优化 | 第87-90页 |
| 4.2.4 在线l_1-RC算法及扩展 | 第90-91页 |
| 4.3 l_1-RC的收敛性分析 | 第91-94页 |
| 4.4 数值实验与分析 | 第94-99页 |
| 4.4.1 策略评价性能的测试 | 第94-98页 |
| 4.4.2 学习控制性能的测试 | 第98-99页 |
| 4.5 本章结论 | 第99-101页 |
| 第五章 总结和展望 | 第101-103页 |
| 5.1 总结 | 第101-102页 |
| 5.2 后续工作展望 | 第102-103页 |
| 参考文献 | 第103-109页 |
| 致谢 | 第109-111页 |
| 研究成果及发表的学术论文目录 | 第111-113页 |
| 作者和导师简介 | 第113-115页 |
| 附件 | 第115-116页 |