| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 本文研究内容 | 第13-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第二章 连续空间非参函数逼近的理论基础 | 第16-22页 |
| 2.1 马尔可夫决策过程 | 第16-17页 |
| 2.2 行动者-评论家(Actor-Critic, AC) | 第17-18页 |
| 2.3 策略梯度基本概念 | 第18-19页 |
| 2.4 非参函数逼近器 | 第19-20页 |
| 2.5 ALD 核稀疏化方法 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 基于核的递归最小二乘 AC 算法 | 第22-33页 |
| 3.1 基于 ALD 的非参函数逼近 | 第22-23页 |
| 3.2 基于核的递归最小二乘 AC 算法 | 第23-29页 |
| 3.2.1 基于 ALD 的 KRLSTD-Q 算法 | 第23-26页 |
| 3.2.2 基于核的策略梯度算法 | 第26-28页 |
| 3.2.3 KRLSAC 算法 | 第28-29页 |
| 3.3 仿真实验 | 第29-32页 |
| 3.3.1 实验描述 | 第29-30页 |
| 3.3.2 实验设置 | 第30页 |
| 3.3.3 实验分析 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于最小二乘支持向量回归的AC算法 | 第33-42页 |
| 4.1 LSSVR 算法逼近状态值函数 | 第33-34页 |
| 4.2 基于最小二乘支持向量回归的 AC 算法 | 第34-38页 |
| 4.2.1 LSSVR 算法 | 第35页 |
| 4.2.2 策略梯度算法 | 第35-36页 |
| 4.2.3 LSSVR-AC 算法 | 第36-37页 |
| 4.2.4 连续动作的策略分布 | 第37-38页 |
| 4.3 仿真实验 | 第38-41页 |
| 4.3.1 实验描述 | 第38-39页 |
| 4.3.2 实验设置 | 第39-40页 |
| 4.3.3 实验分析 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 基于GPTD的在线AC算法 | 第42-55页 |
| 5.1 TD 学习的高斯过程 | 第42-45页 |
| 5.2 基于 GPTD 的在线 AC 算法 | 第45-50页 |
| 5.2.1 在线稀疏化 | 第45-46页 |
| 5.2.2 在线的 GPTD 算法 | 第46-49页 |
| 5.2.3 在线的策略梯度算法 | 第49页 |
| 5.2.4 在线的 GPTD-AC 算法 | 第49-50页 |
| 5.3 仿真实验 | 第50-54页 |
| 5.3.1 实验描述 | 第50-51页 |
| 5.3.2 实验设置 | 第51页 |
| 5.3.3 实验分析 | 第51-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-58页 |
| 6.1 本文总结 | 第55-56页 |
| 6.2 工作展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间公开发表的论文与科研项目 | 第63-64页 |
| 致谢 | 第64-65页 |