基于模型的动态分层强化学习算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-14页 |
| ·强化学习的常用方法 | 第10页 |
| ·大规模学习的"维数灾难"问题 | 第10-11页 |
| ·自动分层方法 | 第11-14页 |
| ·本文研究内容 | 第14页 |
| ·论文构成 | 第14-16页 |
| 第二章 未知环境中的动态分层问题 | 第16-24页 |
| ·强化学习 | 第16-19页 |
| ·分层强化学习 | 第19-22页 |
| ·分层与抽象 | 第20页 |
| ·MAXQ分层强化学习 | 第20-22页 |
| ·动态分层的必要性和可行性分析 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于状态抽象的自动分层 | 第24-36页 |
| ·基于贝叶斯学习的强化学习 | 第24-26页 |
| ·基于状态抽象的自动分层 | 第26-31页 |
| ·聚类分析 | 第26-28页 |
| ·相关聚类参数的定义 | 第28-30页 |
| ·基于探索信息的自适应聚类算法 | 第30-31页 |
| ·动作选择策略的改进 | 第31-33页 |
| ·仿真实验 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 基于探索信息自适应聚类的动态分层强化学习 | 第36-50页 |
| ·基于时态抽象的自动分层 | 第36-37页 |
| ·初始分层结构的自动生成 | 第37-38页 |
| ·最优策略的搜索 | 第38-41页 |
| ·分层结构的动态调整 | 第41-42页 |
| ·DHRL-ACEI算法的总体流程 | 第42-44页 |
| ·DHRL-ACEI算法的性能分析 | 第44页 |
| ·仿真试验与结果分析 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 结论与展望 | 第50-52页 |
| ·结论 | 第50-51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间主要的研究成果 | 第59页 |
