大规模Markov决策过程基于性能势的并行算法研究与应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 致谢 | 第9-14页 |
| 第一章 绪论 | 第14-23页 |
| ·DEDS、MDP与性能势理论 | 第14-16页 |
| ·并行计算概括 | 第16-20页 |
| ·并行计算机分类 | 第16-18页 |
| ·并行编程语言和环境 | 第18-19页 |
| ·并行算法设计过程 | 第19-20页 |
| ·并行算法的性能评价 | 第20页 |
| ·MDP串行和并行算法的研究现状 | 第20-21页 |
| ·论文的主要工作 | 第21-23页 |
| 第二章 MDP优化基本理论 | 第23-30页 |
| ·MDP数学模型 | 第23-24页 |
| ·MDP优化方法 | 第24-30页 |
| ·基于理论计算的优化方法 | 第25-26页 |
| ·基于强化学习的仿真优化方法 | 第26-28页 |
| ·基于NDP的仿真优化算法 | 第28-30页 |
| 第三章 并行数值迭代算法 | 第30-40页 |
| ·引言 | 第30页 |
| ·并行数值迭代算法的基本框架 | 第30-31页 |
| ·划分策略 | 第31-33页 |
| ·模型建立 | 第31-32页 |
| ·启发式划分策略 | 第32-33页 |
| ·性能分析 | 第33页 |
| ·数值例子 | 第33-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 并行仿真优化方法 | 第40-59页 |
| ·并行Q学习算法 | 第40-50页 |
| ·Q学习算法 | 第41页 |
| ·基于并行思想的Q学习算法改进 | 第41-44页 |
| ·算法中主要参数设计 | 第44-45页 |
| ·同步策略 | 第44-45页 |
| ·Q值构建策略 | 第45页 |
| ·数值例子 | 第45-50页 |
| ·并行NDP优化算法 | 第50-58页 |
| ·Critic模式下NDP优化方法 | 第50-52页 |
| ·性能势TD学习算法 | 第50-51页 |
| ·NDP优化算法 | 第51-52页 |
| ·基于神经网络集成的NDP并行优化 | 第52-54页 |
| ·神经网络集成 | 第52页 |
| ·NDP并行优化方法 | 第52-54页 |
| ·数值例子 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 在线Rollout仿真算法及并行实现 | 第59-70页 |
| ·引言 | 第59页 |
| ·Rollout及其并行求解算法 | 第59-61页 |
| ·Rollout算法在多类商品库存控制中的应用 | 第61-66页 |
| ·基本假设 | 第61页 |
| ·数学符号 | 第61-62页 |
| ·多类商品库存控制的MDP数学模型 | 第62-63页 |
| ·数值例子 | 第63-66页 |
| ·Rollout算法在多级仓库库存控制中的应用 | 第66-69页 |
| ·多agent学习研究概况 | 第66-67页 |
| ·多agent MDP数学模型 | 第67页 |
| ·多agent Rollout学习算法 | 第67-68页 |
| ·多级仓库最优库存控制实例 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·总结 | 第70-71页 |
| ·展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间主要科研工作和成果 | 第77页 |
