基于因素化表示的强化学习方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·本课题的研究背景及意义 | 第10-11页 |
| ·本课题研究领域的研究动态 | 第11-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 强化学习基本理论 | 第15-25页 |
| ·Markov 过程与强化学习 | 第15-18页 |
| ·Markov 过程 | 第15-16页 |
| ·强化学习模型与基本要素 | 第16-18页 |
| ·强化学习的几种常用算法 | 第18-21页 |
| ·瞬时差分算法 | 第21-23页 |
| ·因素化表示方法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 因素化强化学习的研究 | 第25-36页 |
| ·动态贝叶斯网络 | 第25-26页 |
| ·贝叶斯网络 | 第25-26页 |
| ·动态贝叶斯网络 | 第26页 |
| ·决策树 | 第26-32页 |
| ·决策树的基本思想 | 第26-28页 |
| ·决策树学习的主要算法 | 第28-29页 |
| ·决策树的生成和剪枝 | 第29-32页 |
| ·因素化强化学习理论 | 第32-35页 |
| ·因素化的MDP 状态 | 第32页 |
| ·动态贝叶斯网络与MDP 模型 | 第32-33页 |
| ·决策树与MDP 模型 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 改进的基于因素化表示的动态规划方法 | 第36-44页 |
| ·动态规划方法简介 | 第36-37页 |
| ·决策树的运算 | 第37-38页 |
| ·决策树剪枝 | 第37页 |
| ·决策树扩充 | 第37-38页 |
| ·决策树合并 | 第38页 |
| ·决策树与DP | 第38-41页 |
| ·基于决策树表示的值函数迭代算法描述 | 第39-40页 |
| ·基于决策树表示的值函数迭代 | 第40-41页 |
| ·改进的基于因素化表示的DP 方法 | 第41-42页 |
| ·算法实验与分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于因素化表示的TD 算法 | 第44-54页 |
| ·MDP 概述 | 第44-46页 |
| ·MDP 状态空间的精简 | 第46-47页 |
| ·因素化表示的TD（λ）算法中树的运算 | 第47-49页 |
| ·算法实现 | 第49-50页 |
| ·实验与分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 结论及展望 | 第54-56页 |
| ·全文总结 | 第54-55页 |
| ·研究工作展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 附录A(攻读硕士学位期间发表论文情况) | 第62页 |
