| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 引言 | 第13-14页 |
| 1.2 前人研究成果 | 第14-17页 |
| 1.3 本论文研究的内容 | 第17-19页 |
| 第二章 策略评价基础理论与算法 | 第19-25页 |
| 2.1 引言 | 第19页 |
| 2.2 马尔可夫决策过程与多步学习预测问题 | 第19-21页 |
| 2.2.1 马尔可夫决策过程 | 第19-20页 |
| 2.2.2 策略和值函数 | 第20-21页 |
| 2.3 最小二乘时域差分算法 | 第21-23页 |
| 2.3.1 多步时域差分学习 | 第21-22页 |
| 2.3.2 多步最小二乘时域差分学习 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于正则化极限学习机的量小二乘时域差分学习 | 第25-37页 |
| 3.1 引言 | 第25页 |
| 3.2 极限学习机的基础理论 | 第25-28页 |
| 3.2.1 极限学习机的原理及结构 | 第25-27页 |
| 3.2.2 极限学习机的改进 | 第27-28页 |
| 3.3 基于RELM-LSTD(λ)的策略评价 | 第28-36页 |
| 3.3.1 基于RELM-LSTD(λ)的策略评价算法 | 第28-30页 |
| 3.3.2 基于RELM-LSTD(λ)的学习预测仿真实验 | 第30-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 正则化量小二乘时域差分学习 | 第37-49页 |
| 4.1 引言 | 第37页 |
| 4.2 带有梯度修正项的最小二乘时域差分学习 | 第37-39页 |
| 4.3 基于LARS-TDC的策略评价 | 第39-46页 |
| 4.3.1 最小角度回归算法 | 第39-40页 |
| 4.3.2 基于LARS-TDC的策略评价算法 | 第40-42页 |
| 4.3.3 LARS-TDC的学习预测仿真 | 第42-46页 |
| 4.4 本章小结 | 第46-49页 |
| 第五章 增量最小二乘时域差分学习 | 第49-59页 |
| 5.1 引言 | 第49页 |
| 5.2 理论基础 | 第49-51页 |
| 5.3 基于iLSTDC的策略评价 | 第51-57页 |
| 5.3.1 基于iLSTDC的策略评价算法 | 第52-54页 |
| 5.3.2 iLSTDC的学习预测仿真 | 第54-57页 |
| 5.4 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 研究成果及发表的学术论文 | 第69-71页 |
| 导师和作者简介 | 第71-73页 |
| 附件 | 第73-74页 |
