平均报酬准则下的逆向强化学习算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题背景及研究意义 | 第8-12页 |
| 1.1.1 强化学习和学徒学习介绍 | 第9-11页 |
| 1.1.2 逆向强化学习介绍 | 第11-12页 |
| 1.2 国内外研究现状及分析 | 第12-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 结构框架 | 第16-18页 |
| 第2章 基础知识及仿真实验平台 | 第18-25页 |
| 2.1 基础知识介绍 | 第18-21页 |
| 2.1.1 马尔可夫决策过程 | 第18-20页 |
| 2.1.2 凸优化 | 第20-21页 |
| 2.2 仿真实验平台 | 第21-24页 |
| 2.2.1 方格迷宫仿真实验平台 | 第21-23页 |
| 2.2.2 无人车仿真实验平台 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于灵敏度的逆强化学习 | 第25-34页 |
| 3.1 基于灵敏度的逆强化学习研究 | 第25-28页 |
| 3.1.1 性能差公式 | 第25-27页 |
| 3.1.2 基于灵敏度的逆强化学习算法 | 第27-28页 |
| 3.1.3 基于灵敏度的逆强化学习求解 | 第28页 |
| 3.2 基于方格迷宫的仿真实验 | 第28-32页 |
| 3.3 本章小结 | 第32-34页 |
| 第4章 逆强化学习算法比较研究 | 第34-66页 |
| 4.1 基于最大边际的逆强化学习 | 第35-45页 |
| 4.1.1 基于最大边际的逆强化学习算法 | 第37-38页 |
| 4.1.2 方格迷宫仿真结果 | 第38-42页 |
| 4.1.3 无人车仿真结果 | 第42-45页 |
| 4.2 结合零和博弈思想的逆强化学习 | 第45-57页 |
| 4.2.1 结合零和博弈思想的逆强化学习算法 | 第46-49页 |
| 4.2.2 方格迷宫仿真结果 | 第49-54页 |
| 4.2.3 无人车仿真结果 | 第54-57页 |
| 4.3 结合自然梯度思想的逆强化学习 | 第57-65页 |
| 4.3.1 自然梯度 | 第59-60页 |
| 4.3.2 基于自然梯度的逆强化学习算法 | 第60-61页 |
| 4.3.3 方格迷宫仿真结果 | 第61-65页 |
| 4.4 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72-74页 |
| 致谢 | 第74页 |
