| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 引言 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 背景知识 | 第18-29页 |
| 2.1 强化学习 | 第18-23页 |
| 2.1.1 马尔科夫决策过程 | 第18-19页 |
| 2.1.2 强化学习框架 | 第19-20页 |
| 2.1.3 强化学习经典算法 | 第20-23页 |
| 2.3 分层强化学习方法 | 第23-28页 |
| 2.3.1 半马尔科夫决策过程(SMDP) | 第24-25页 |
| 2.3.2 分层与抽象 | 第25页 |
| 2.3.3 经典的分层强化学习框架 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于可中断抽象动作的在线分层强化学习方法 | 第29-41页 |
| 3.1 IMQ理论基础 | 第29-31页 |
| 3.2 算法设计 | 第31-35页 |
| 3.2.1 算法说明 | 第31-34页 |
| 3.2.2 收敛性证明 | 第34-35页 |
| 3.3 实验及结果分析 | 第35-40页 |
| 3.3.1 Dyanamic Rooms World实验介绍 | 第35-36页 |
| 3.3.2 4-Rooms World | 第36-38页 |
| 3.3.3 Dynamic 6-Rooms World | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于无环轨迹多样性密度度量的抽象动作发现方法 | 第41-54页 |
| 4.1 多样性密度度量 | 第41-43页 |
| 4.2 轨迹去环算法 | 第43-44页 |
| 4.3 基于无环轨迹多样性密度度量的抽象动作发现算法 | 第44-47页 |
| 4.3.1 基于无环轨迹多样性密度度量的子目标识别算法 | 第45-46页 |
| 4.3.2 抽象动作发现 | 第46-47页 |
| 4.3.3 算法分析 | 第47页 |
| 4.4 实验及结果分析 | 第47-53页 |
| 4.4.1 Maze问题 | 第47-49页 |
| 4.4.2 Rooms World问题 | 第49-51页 |
| 4.4.3 Taxi问题 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于CT-SMDP的自动分层强化学习方法 | 第54-64页 |
| 5.1 基于Option的CT-SMDP框架 | 第54-57页 |
| 5.2 抽象动作发现算法 | 第57页 |
| 5.3 基于CT-SMDP的自动分层强化学习方法 | 第57-60页 |
| 5.3.1 算法说明 | 第57-59页 |
| 5.3.2 算法分析 | 第59-60页 |
| 5.4 实验结果与分析 | 第60-63页 |
| 5.4.1 Clean-Robot实验介绍 | 第60-61页 |
| 5.4.2 实验结果及分析 | 第61-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间公开发表(录用)的论文与科研项目 | 第72-73页 |
| 致谢 | 第73-74页 |
