| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 引言 | 第9-14页 |
| ·问题的提出 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国内研究现状 | 第10-11页 |
| ·国外研究现状 | 第11-12页 |
| ·论文主要研究内容 | 第12页 |
| ·文章内容安排 | 第12-14页 |
| 第二章 理论基础 | 第14-24页 |
| ·强化学习简介 | 第14-16页 |
| ·强化学习发展历史 | 第16-18页 |
| ·强化学习理论基础 | 第18-20页 |
| ·强化学习主要算法 | 第20-23页 |
| ·瞬时差分方法 | 第21-22页 |
| ·行动者—批评家算法 | 第22页 |
| ·R-learning算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 一种大规模离散空间中的高斯强化学习方法 | 第24-33页 |
| ·高斯过程 | 第24-27页 |
| ·高斯过程简介 | 第24-25页 |
| ·高斯过程原理 | 第25-27页 |
| ·高斯过程强化学习方法 | 第27-29页 |
| ·使用高斯过程的回归方法 | 第27-28页 |
| ·基于高斯过程的状态值函数回归算法 | 第28-29页 |
| ·实验结果和分析 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 一种基于动作分值的分层强化学习奖赏优化方法 | 第33-42页 |
| ·分层强化学习 | 第33-35页 |
| ·无限循环任务的分层方法 | 第35-36页 |
| ·动作分值 | 第36页 |
| ·无限循环任务中基于动作分值的奖赏优化 | 第36-37页 |
| ·奖赏优化算法 | 第37-38页 |
| ·引入分治机制的动作分值 | 第38-39页 |
| ·实验以及结果分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 强化学习在Ad Hoc无线网络路由算法中的应用 | 第42-56页 |
| ·Ad Hoc网络 | 第42-48页 |
| ·Ad Hoc网络概述 | 第42-43页 |
| ·Ad Hoc网络特征 | 第43页 |
| ·Ad Hoc网络结构 | 第43-46页 |
| ·Ad Hoc网络路由算法 | 第46-48页 |
| ·强化学习在Ad Hoc路由算法中的应用 | 第48-51页 |
| ·AODV路由协议详细介绍 | 第48-49页 |
| ·Ad Hoc无线网络中的强化学习模型 | 第49-50页 |
| ·RS-AODV路由协议 | 第50-51页 |
| ·Ad Hoc网络中的RS-AODV路由算法 | 第51页 |
| ·实验以及结果分析 | 第51-54页 |
| ·仿真环境 | 第52页 |
| ·仿真结果 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·本文工作总结 | 第56-57页 |
| ·以后的工作展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 攻读硕士期间发表(录用)的论文和参加的科研项目 | 第64-65页 |
| 致谢 | 第65-66页 |
| 详细摘要 | 第66-68页 |