关系强化学习的研究与应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景 | 第9-11页 |
| ·强化学习的发展 | 第11-12页 |
| ·本文主要研究内容 | 第12-14页 |
| 第二章 强化学习 | 第14-25页 |
| ·强化学习模型 | 第14-17页 |
| ·值迭代 | 第15-16页 |
| ·策略迭代 | 第16页 |
| ·改进的值迭代和策略迭代 | 第16-17页 |
| ·无模型的策略学习 | 第17-19页 |
| ·TD 算法 | 第17-18页 |
| ·Q 学习算法 | 第18-19页 |
| ·基于模型的策略学习 | 第19-21页 |
| ·DYNA 算法 | 第19-20页 |
| ·优先扫描序列 | 第20-21页 |
| ·大状态空间问题的解决方法 | 第21-24页 |
| ·近似技术 | 第22页 |
| ·分层技术 | 第22页 |
| ·因素化表述技术 | 第22-24页 |
| ·其他抽象技术 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 关系强化学习的研究与改进 | 第25-41页 |
| ·研究关系强化学习的必要性 | 第25-26页 |
| ·关系型MDP | 第26-28页 |
| ·关系的表述 | 第26-27页 |
| ·逻辑抽象和分割 | 第27-28页 |
| ·一阶逻辑谓词决策树的构建 | 第28-32页 |
| ·一般决策树的构建 | 第28-30页 |
| ·逻辑决策树的构建 | 第30-32页 |
| ·逻辑树和Q 算法的结合 | 第32-35页 |
| ·改进的关系型强化学习 | 第35-39页 |
| ·原算法缺点分析 | 第35-36页 |
| ·增量算法改进 | 第36页 |
| ·候选谓词算法改进 | 第36-39页 |
| ·对比实验及算法分析 | 第39-40页 |
| ·固定积木实验 | 第39-40页 |
| ·变化积木实验 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于强化学习的自主驾驶系统 | 第41-53页 |
| ·智能车概述 | 第41-42页 |
| ·智能车避障模型 | 第42-44页 |
| ·各模块研究 | 第44-48页 |
| ·状态分析模块 | 第44-47页 |
| ·知识库系统 | 第47-48页 |
| ·实验 | 第48-52页 |
| ·实验设置 | 第48-50页 |
| ·实验及结果分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 结论与展望 | 第53-54页 |
| ·结论 | 第53页 |
| ·进一步工作 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录(攻读硕士学位期间发表论文及参与的科研项目) | 第59页 |
