确定性策略强化学习算法中的行动策略的研究与应用
摘要 | 第3-4页 |
Abstract | 第4页 |
1 绪论 | 第6-12页 |
1.1 研究意义 | 第6页 |
1.2 国内外研究现状 | 第6-7页 |
1.3 研究目的 | 第7-8页 |
1.4 Pendulum问题简介 | 第8页 |
1.5 名词解释与符号说明 | 第8-10页 |
1.6 本文结构 | 第10-12页 |
2 强化学习的基本原理 | 第12-29页 |
2.1 强化学习模型 | 第12-14页 |
2.2 经典的强化学习算法 | 第14-19页 |
2.3 连续状态空间上的强化学习方法 | 第19-23页 |
2.4 强化学习中的其他技术 | 第23-26页 |
2.5 神经网络 | 第26-28页 |
2.6 本章小结 | 第28-29页 |
3 确定性策略梯度算法中的行动策略的研究与应用 | 第29-39页 |
3.1 基于值函数比值的探索策略 | 第29-31页 |
3.2 基于TD误差的探索策略 | 第31-32页 |
3.3 强化探索的确定性策略梯度算法 | 第32-38页 |
3.4 本章小结 | 第38-39页 |
4 实验与仿真 | 第39-48页 |
4.1 实验设计 | 第39-40页 |
4.2 仿真实验 | 第40-45页 |
4.3 探索力度的比较 | 第45-47页 |
4.4 本章小结 | 第47-48页 |
5 总结与展望 | 第48-49页 |
参考文献 | 第49-52页 |
附录:实验程序(Python语言) | 第52-69页 |
致谢 | 第69页 |