| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 相关研究现状 | 第10-11页 |
| 1.3 本文的主要工作及创新点 | 第11页 |
| 1.4 本文的组织结构 | 第11-13页 |
| 第二章 强化学习与函数逼近概述 | 第13-25页 |
| 2.1 强化学习概述 | 第13-16页 |
| 2.1.1 强化学习简介 | 第13-14页 |
| 2.1.2 强化学习分类 | 第14-15页 |
| 2.1.3 强化学习基本算法 | 第15页 |
| 2.1.4 强化学习问题的建模 | 第15-16页 |
| 2.2 函数逼近概述 | 第16-21页 |
| 2.2.1 带参函数逼近 | 第16-18页 |
| 2.2.2 非参函数逼近 | 第18-20页 |
| 2.2.3 带参与非参函数逼近器的比较 | 第20-21页 |
| 2.3 基于函数逼近的强化学习 | 第21-24页 |
| 2.3.1 近似值迭代 | 第21-22页 |
| 2.3.2 近似策略迭代 | 第22-23页 |
| 2.3.3 近似策略搜索 | 第23-24页 |
| 2.4 基于非参函数逼近的强化学习算法 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于优先级扫描的非参TD算法 | 第25-37页 |
| 3.1 核函数与 TD(λ)最小二乘方法 | 第25-28页 |
| 3.1.1 核函数的定义 | 第25-26页 |
| 3.1.2 时间差分学习 | 第26-27页 |
| 3.1.3 最小二乘 TD(λ)方法 | 第27-28页 |
| 3.2 优先级扫描与基于核函数的 TD 算法 | 第28-32页 |
| 3.2.1 基于核函数的近似 Q 值函数 | 第28-29页 |
| 3.2.2 基于核函数的最小二乘 TD 算法 | 第29-30页 |
| 3.2.3 Dyna 结构与优先级扫描 | 第30-32页 |
| 3.3 基于优先级扫描的非参 TD 最小二乘策略迭代算法 | 第32-33页 |
| 3.4 实验结果分析 | 第33-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 基于稀疏样本的高斯过程策略迭代算法 | 第37-49页 |
| 4.1 高斯回归与 TD(λ)算法 | 第37-41页 |
| 4.1.1 高斯回归 | 第37-38页 |
| 4.1.2 基于高斯回归的 TD(λ)算法 | 第38-41页 |
| 4.2 样本稀疏化方法 | 第41-45页 |
| 4.2.1 ALD 核稀疏方法 | 第41-43页 |
| 4.2.2 在线样本稀疏化 | 第43-45页 |
| 4.3 基于稀疏样本的高斯过程策略迭代算法 | 第45-46页 |
| 4.4 实验结果分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 本文总结 | 第49-50页 |
| 5.2 后续工作展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |