| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 深度强化学习的研究现状 | 第11-12页 |
| 1.3 视频游戏算法的难点 | 第12-13页 |
| 1.4 本文的主要工作与创新点 | 第13页 |
| 1.5 本文的组织结构 | 第13-15页 |
| 第二章 深度学习 | 第15-34页 |
| 2.1 机器学习与深度学习介绍 | 第15-19页 |
| 2.1.1 机器学习背景 | 第15-17页 |
| 2.1.2 深度学习背景 | 第17-19页 |
| 2.2 人工神经网络 | 第19-26页 |
| 2.2.1 神经元与激活函数 | 第20-21页 |
| 2.2.2 网络的结构 | 第21-23页 |
| 2.2.3 反向传播算法 | 第23-26页 |
| 2.3 卷积神经网络 | 第26-28页 |
| 2.3.1 网络结构 | 第26-28页 |
| 2.3.2 网络的训练方法 | 第28页 |
| 2.4 胶囊网络 | 第28-33页 |
| 2.4.1 网络结构 | 第29-30页 |
| 2.4.2 胶囊网络的优势 | 第30-32页 |
| 2.4.3 胶囊网络的输出计算 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 强化学习 | 第34-41页 |
| 3.1 强化学习 | 第34-38页 |
| 3.1.1 强化学习背景 | 第34-35页 |
| 3.1.2 马尔科夫决策过程 | 第35-37页 |
| 3.1.3 求解MDP问题的方法 | 第37-38页 |
| 3.2 Q-learning算法 | 第38-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 深度强化学习与本文模型 | 第41-54页 |
| 4.1 DRL的背景 | 第41-42页 |
| 4.2 深度Q网络 | 第42-45页 |
| 4.3 Atari2600游戏环境 | 第45-47页 |
| 4.3.1 Atari2600游戏 | 第45页 |
| 4.3.2 ALE模拟器 | 第45-47页 |
| 4.4 BootstrappedDQN | 第47-51页 |
| 4.4.1 BootstrappedDQN背景 | 第47-48页 |
| 4.4.2 神经网络的不确定性 | 第48-49页 |
| 4.4.3 BootstrappedDQN内容 | 第49-51页 |
| 4.5 结合胶囊网络与BootstrappedDQN的模型 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 实验设计及结果分析 | 第54-62页 |
| 5.1 实验的设计 | 第54-56页 |
| 5.1.1 实验目标 | 第54页 |
| 5.1.2 实验环境 | 第54-55页 |
| 5.1.3 实验所用游戏 | 第55页 |
| 5.1.4 实验参数设置 | 第55-56页 |
| 5.2 实验结果分析 | 第56-61页 |
| 5.2.1 训练和稳定性 | 第56-57页 |
| 5.2.2 共享网络头部数量的选取 | 第57-58页 |
| 5.2.3 游戏中的高效探索 | 第58-59页 |
| 5.2.4 模型结果比较 | 第59-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-63页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间的研究成果 | 第67-68页 |