| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 引言 | 第11-12页 |
| 1.2 论文选题与意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-18页 |
| 1.3.1 模型相关方法 | 第14-15页 |
| 1.3.2 模型无关方法 | 第15-17页 |
| 1.3.3 基于模型学习的方法 | 第17-18页 |
| 1.4 本文的研究内容及贡献 | 第18-20页 |
| 1.5 本文的组织结构 | 第20-21页 |
| 第二章 背景知识 | 第21-32页 |
| 2.1 马尔科夫决策过程 | 第21-23页 |
| 2.2 时间差分算法 | 第23-29页 |
| 2.2.1 TD算法 | 第23-24页 |
| 2.2.2 Sarsa算法 | 第24-26页 |
| 2.2.3 Q-learning算法 | 第26-27页 |
| 2.2.4 最小二乘时间差分算法 | 第27-29页 |
| 2.3 行动者评论家算法 | 第29-30页 |
| 2.4 DYNA结构 | 第30-31页 |
| 2.5 结束语 | 第31-32页 |
| 第三章 基于近似模型的启发式DYNA算法 | 第32-48页 |
| 3.1 HDYNA-AMR算法 | 第32-40页 |
| 3.1.1 探索机制和启发式额外奖赏 | 第32-33页 |
| 3.1.2 近似模型学习 | 第33页 |
| 3.1.3 基于优先级的重点采样 | 第33-34页 |
| 3.1.4 算法描述 | 第34-36页 |
| 3.1.5 时间复杂度分析 | 第36页 |
| 3.1.6 算法收敛性分析 | 第36-40页 |
| 3.2 实验结果分析 | 第40-47页 |
| 3.2.1 Boyan Chain | 第41-45页 |
| 3.2.2 Mountain Car | 第45-47页 |
| 3.3 结束语 | 第47-48页 |
| 第四章 基于层次模型学习与规划的行动者评论家算法 | 第48-65页 |
| 4.1 层次化模型 | 第48-52页 |
| 4.1.1 全局模型 | 第48-49页 |
| 4.1.2 局部模型 | 第49-52页 |
| 4.2 基于层次模型学习与规划的行动者评论家算法 | 第52-55页 |
| 4.2.1 AC-HMLP算法 | 第52-54页 |
| 4.2.2 二范数正则化的AC-HMLP算法 | 第54-55页 |
| 4.2.3 时间复杂度分析 | 第55页 |
| 4.3 实验结果分析 | 第55-64页 |
| 4.3.1 平衡杆 | 第55-61页 |
| 4.3.2 连续迷宫 | 第61-64页 |
| 4.4 结束语 | 第64-65页 |
| 第五章 基于最小二乘时间差分和策略近似的强化学习算法 | 第65-85页 |
| 5.1 参数学习 | 第65-68页 |
| 5.1.1 策略学习 | 第65-66页 |
| 5.1.2 模型学习 | 第66-67页 |
| 5.1.3 值函数学习 | 第67-68页 |
| 5.2 基于最小二乘时间差分和策略近似的行动者评论家算法 | 第68-78页 |
| 5.2.1 探索策略 | 第68页 |
| 5.2.2 算法描述 | 第68-70页 |
| 5.2.3 时间复杂度分析 | 第70-71页 |
| 5.2.4 理论分析 | 第71-78页 |
| 5.3 实验结果分析 | 第78-83页 |
| 5.3.1 倒立摆 | 第78-81页 |
| 5.3.2 清洁机器人 | 第81-83页 |
| 5.4 结束语 | 第83-85页 |
| 第六章 基于经验回放和模型学习共同加速的正则化自然AC算法 | 第85-101页 |
| 6.1 基于优势函数的自然策略梯度 | 第85-88页 |
| 6.1.1 策略梯度 | 第85-86页 |
| 6.1.2 优势函数 | 第86页 |
| 6.1.3 正则化自然梯度 | 第86-88页 |
| 6.2 基于经验回放和模型学习共同加速的正则化自然AC算法 | 第88-96页 |
| 6.2.1 经验回放 | 第88-90页 |
| 6.2.2 模型学习 | 第90页 |
| 6.2.3 算法描述 | 第90-92页 |
| 6.2.4 时间复杂度分析 | 第92页 |
| 6.2.5 算法收敛性分析 | 第92-96页 |
| 6.3 实验结果分析 | 第96-99页 |
| 6.3.1 平衡杆 | 第96-97页 |
| 6.3.2 倒立摆 | 第97-99页 |
| 6.4 结束语 | 第99-101页 |
| 第七章 总结与展望 | 第101-104页 |
| 7.1 总结 | 第101-102页 |
| 7.2 展望 | 第102-104页 |
| 参考文献 | 第104-112页 |
| 博士期间相关科研情况 | 第112-114页 |
| 一、公开发表(录用)的学术论文 | 第112-113页 |
| 二、参加的科研项目 | 第113-114页 |
| 致谢 | 第114-116页 |
