| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.3 主要创新工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 强化学习理论概述 | 第14-27页 |
| 2.1 强化学习简介 | 第14页 |
| 2.2 强化学习框架 | 第14-17页 |
| 2.2.1 强化学习模型 | 第14-15页 |
| 2.2.2 强化学习的四个要素 | 第15-16页 |
| 2.2.3 马尔科夫决策过程 | 第16-17页 |
| 2.3 强化学习中的探索与利用 | 第17-18页 |
| 2.4 强化学习经典算法 | 第18-23页 |
| 2.4.1 TD 算法 | 第18-20页 |
| 2.4.2 SARSA 算法 | 第20-21页 |
| 2.4.3 Q-learning 算法 | 第21-22页 |
| 2.4.4 Actor-Critic 算法 | 第22-23页 |
| 2.5 强化学习中的值函数逼近 | 第23-26页 |
| 2.5.1 带参函数逼近器 | 第24页 |
| 2.5.2 非参函数逼近器 | 第24-25页 |
| 2.5.3 带参与非参逼近器的区别 | 第25-26页 |
| 2.6 强化学习应用 | 第26页 |
| 2.7 本章小结 | 第26-27页 |
| 第三章 高斯过程回归理论 | 第27-36页 |
| 3.1 高斯过程的定义 | 第27-28页 |
| 3.2 高斯过程回归预测 | 第28-30页 |
| 3.3 高斯模型的训练 | 第30-34页 |
| 3.3.1 参数集合的选择 | 第31-32页 |
| 3.3.2 协方差函数模型的选择 | 第32-34页 |
| 3.4 高斯过程回归的缺点及改进方法 | 第34-35页 |
| 3.4.1 SD(Subset of data)近似法 | 第34-35页 |
| 3.4.2 SPGP(Sparse pseudo-input Gaussian process)方法 | 第35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于 GPR 的 Dyna 框架聚类优化算法 | 第36-44页 |
| 4.1 Dyna 框架及相关算法 | 第36-38页 |
| 4.1.1 Dyna 框架结构 | 第36-37页 |
| 4.1.2 Dyna-Q 算法 | 第37-38页 |
| 4.2 聚类分析 | 第38页 |
| 4.3 基于 GPR 的 Dyna 框架聚类优化算法 | 第38-40页 |
| 4.4 实验及结果分析 | 第40-42页 |
| 4.4.1 实验描述 | 第40页 |
| 4.4.2 实验设置 | 第40页 |
| 4.4.3 实验分析 | 第40-42页 |
| 4.5 本章小结 | 第42-44页 |
| 第五章 基于 GPR 的连续空间值迭代算法 | 第44-52页 |
| 5.1 基于模型的值迭代 | 第44页 |
| 5.2 基于 GPR 的连续空间的值迭代算法 | 第44-45页 |
| 5.3 实验及结果分析 | 第45-51页 |
| 5.3.1 实验描述 | 第45-47页 |
| 5.3.2 实验设置 | 第47-48页 |
| 5.3.3 实验分析 | 第48-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 工作总结 | 第52页 |
| 6.2 工作展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
