Q-学习在非完备信息机器博弈中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题背景 | 第10页 |
| ·研究的目的和意义 | 第10-11页 |
| ·强化学习的历史和现状 | 第11-13页 |
| ·课题主要研究内容及论文结构 | 第13-14页 |
| 第2章 强化学习模型及其主要算法 | 第14-26页 |
| ·强化学习模型 | 第14-16页 |
| ·值函数 | 第16页 |
| ·强化学习的主要算法 | 第16-24页 |
| ·动态规划 | 第17-18页 |
| ·蒙特卡罗算法 | 第18-19页 |
| ·时序差分算法 | 第19-21页 |
| ·Q-学习的发展 | 第21-24页 |
| ·本章小结 | 第24-26页 |
| 第3章 基于Q-学习的非完备信息博弈 | 第26-41页 |
| ·非完备信息博弈条件下的Q-学习调整 | 第26-38页 |
| ·Q 值的表示与神经网络 | 第26-27页 |
| ·截断时序差分与Q-学习的结合 | 第27-35页 |
| ·模拟退火与Q-学习 | 第35-38页 |
| ·基于Q-学习的非完备信息博弈 | 第38-39页 |
| ·基于Q-学习的非完备信息博弈 | 第38-39页 |
| ·Q-学习调整过程示例 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第4章 非完备信息博弈系统 | 第41-60页 |
| ·非完备信息博弈系统简介 | 第41-47页 |
| ·数据表示 | 第41-42页 |
| ·蒙特卡罗抽样方法 | 第42-43页 |
| ·搜索算法 | 第43-46页 |
| ·估值函数 | 第46-47页 |
| ·实验结果分析 | 第47-56页 |
| ·搜索算法 | 第47-48页 |
| ·估值函数 | 第48-56页 |
| ·棋局库的建立 | 第56-58页 |
| ·开局库的建立 | 第56-57页 |
| ·残局库的建立 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录1 | 第65-67页 |
| 攻读硕士学位期间发表的论文 | 第67-69页 |
| 致谢 | 第69页 |
