部分观测马尔科夫决策过程中基于记忆的强化学习问题研究
| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 POMDP问题研究现状 | 第8-11页 |
| 1.2.1 基于模型和无模型方法 | 第9页 |
| 1.2.2 POMDP问题国内研究现状 | 第9-10页 |
| 1.2.3 POMDP问题国外研究现状 | 第10-11页 |
| 1.3 论文结构安排 | 第11-12页 |
| 第二章 部分观测马尔科夫中基于记忆的强化学习问题 | 第12-20页 |
| 2.1 POMDP模型 | 第12-14页 |
| 2.1.1 模型描述 | 第12-13页 |
| 2.1.2 求解算法 | 第13-14页 |
| 2.2 强化学习 | 第14-16页 |
| 2.2.1 强化学习简介 | 第14-15页 |
| 2.2.2 强化学习的基本原理 | 第15-16页 |
| 2.2.3 强化学习求解部分观测马尔科夫问题 | 第16页 |
| 2.3 POMDP中基于记忆的强化学习算法 | 第16-20页 |
| 2.3.1 无记忆方法概述 | 第16-17页 |
| 2.3.2 基于记忆的方法概述 | 第17-20页 |
| 第三章 EIU-Tree算法 | 第20-30页 |
| 3.1 引言 | 第20页 |
| 3.2 U-Tree算法简介 | 第20-22页 |
| 3.3 EIU-Tree算法详解 | 第22-27页 |
| 3.4 实验仿真 | 第27-28页 |
| 3.5 本章小结 | 第28-30页 |
| 第四章 SU-Tree算法 | 第30-42页 |
| 4.1 引言 | 第30页 |
| 4.2 Q-学习和Sarsa(λ)算法 | 第30-32页 |
| 4.2.1 Q-学习 | 第30-31页 |
| 4.2.2 Sarsa(λ)学习 | 第31-32页 |
| 4.3 MU-Tree算法 | 第32-33页 |
| 4.4 SU-Tree算法 | 第33-39页 |
| 4.4.1 SU-Tree算法详解 | 第33-38页 |
| 4.4.2 SU-Tree算法仿真实验 | 第38-39页 |
| 4.5 本章小结 | 第39-42页 |
| 第五章 奶酪迷宫问题 | 第42-46页 |
| 5.1 奶酪迷宫问题模型 | 第42页 |
| 5.2 实验仿真 | 第42-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 6.1 论文总结 | 第46页 |
| 6.2 研究展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 发表论文和参加科研情况 | 第52-54页 |
| 致谢 | 第54页 |
