| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 引言 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 基础理论概述 | 第17-23页 |
| 2.1 强化学习问题 | 第17页 |
| 2.2 马尔可夫决策过程 | 第17-18页 |
| 2.3 探索方法 | 第18-19页 |
| 2.4 行动者评论家方法 | 第19-20页 |
| 2.5 值函数逼近方法 | 第20-23页 |
| 第三章 动作加权行动者评论家算法 | 第23-43页 |
| 3.1 策略表示 | 第23-25页 |
| 3.2 最优动作表示 | 第25-26页 |
| 3.3 函数逼近方法 | 第26-28页 |
| 3.4 算法描述和相关比较 | 第28-30页 |
| 3.5 收敛性分析 | 第30-32页 |
| 3.6 实验结果分析 | 第32-42页 |
| 3.6.1 平衡杆 | 第32-36页 |
| 3.6.2 水洼世界 | 第36-39页 |
| 3.6.3 小车爬坡实验 | 第39-42页 |
| 3.7 本章小节 | 第42-43页 |
| 第四章 增量式双自然策略梯度的行动者评论家算法 | 第43-59页 |
| 4.1 策略梯度方法 | 第43-44页 |
| 4.2 自然策略梯度 | 第44-47页 |
| 4.3 算法描述 | 第47-49页 |
| 4.4 实验结果分析 | 第49-58页 |
| 4.4.1 平衡杆 | 第49-52页 |
| 4.4.2 小车爬坡实验 | 第52-55页 |
| 4.4.3 水洼世界 | 第55-58页 |
| 4.5 本章小节 | 第58-59页 |
| 第五章 基于二重值函数的行动者评论家算法 | 第59-68页 |
| 5.1 最大化值偏差 | 第59-60页 |
| 5.2 双重值函数学习算法 | 第60-61页 |
| 5.3 基于二重值函数的行动者评论家算法 | 第61-64页 |
| 5.4 实验结果分析 | 第64-67页 |
| 5.5 本章小节 | 第67-68页 |
| 第六章 总结与展望 | 第68-71页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间公开发表(录用)的论文及参与的项目 | 第76-78页 |
| 一、公开发表(录用)的学术论文 | 第76页 |
| 二、参加的科研项目 | 第76-78页 |
| 致谢 | 第78-79页 |