| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-14页 |
| ·问题的提出 | 第9-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国内研究现状 | 第11-12页 |
| ·国外研究现状 | 第12-13页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文组织 | 第14页 |
| 第二章 基础理论 | 第14-33页 |
| ·强化学习简介 | 第15-16页 |
| ·强化学习发展历史 | 第16-18页 |
| ·强化学习原理 | 第18-20页 |
| ·强化学习的主要算法 | 第20-24页 |
| ·Monte Carlo 算法 | 第20-21页 |
| ·TD 算法 | 第21-23页 |
| ·Q-Learning 算法 | 第23-24页 |
| ·强化学习发展趋势 | 第24-26页 |
| ·部分感知强化学习 | 第24-25页 |
| ·关系强化学习 | 第25页 |
| ·分层强化学习 | 第25-26页 |
| ·神经网络简介 | 第26-27页 |
| ·神经网络发展历史 | 第27-28页 |
| ·几种典型神经网络 | 第28-32页 |
| ·BP 神经网络 | 第28-30页 |
| ·Hopfield 网络 | 第30-31页 |
| ·CMAC 神经网络 | 第31-32页 |
| ·神经网络的发展趋势 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于启发式奖赏函数的分层强化学习 | 第33-48页 |
| ·引言 | 第33页 |
| ·分层强化学习发展状况 | 第33-34页 |
| ·基于启发式奖赏函数的分层强化学习算法 | 第34-41页 |
| ·启发式奖赏 | 第34-35页 |
| ·广义的MDP | 第35-36页 |
| ·子任务的定义及最优策略 | 第36-37页 |
| ·子任务的特征提取及附加奖赏函数 | 第37-38页 |
| ·最优策略 | 第38-40页 |
| ·基于启发式奖赏函数的分层强化学习算法 | 第40-41页 |
| ·实验及结果分析 | 第41-46页 |
| ·实验平台构成 | 第42-43页 |
| ·任务分层 | 第43页 |
| ·子任务特征提取及参数设置 | 第43-44页 |
| ·结果及分析 | 第44-46页 |
| ·结论 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于神经网络的强化学习 | 第48-66页 |
| ·引言 | 第48页 |
| ·泛化与函数估计 | 第48-49页 |
| ·泛化 | 第48-49页 |
| ·函数估计 | 第49页 |
| ·神经网络在强化学习中的应用 | 第49-50页 |
| ·神经网络和强化学习结合的算法：QL-BP 算法 | 第50-56页 |
| ·QL-BP 算法 | 第50-53页 |
| ·仿真实验 | 第53-56页 |
| ·改进的QL-BP 算法 | 第56-65页 |
| ·QL-BP 存在的问题及解决方法 | 第56-57页 |
| ·改进的QL-BP 算法流程 | 第57-58页 |
| ·仿真实验 | 第58-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| ·本文工作总结 | 第66-67页 |
| ·工作展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间参加的科研项目及发表(录用)的论文 | 第73-74页 |
| 致谢 | 第74-75页 |