| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-24页 |
| ·强化学习 | 第13-16页 |
| ·强化学习概述 | 第13-14页 |
| ·常见强化学习算法 | 第14-16页 |
| ·分层强化学习 | 第16-20页 |
| ·分层强化学习概述 | 第16-18页 |
| ·常见分层强化学习算法 | 第18-20页 |
| ·多Agent 系统 | 第20-23页 |
| ·多Agent 系统研究现状 | 第20-22页 |
| ·多Agent 系统研究内容 | 第22-23页 |
| ·论文组织结构 | 第23-24页 |
| 第二章 基本的数学模型和优化算法 | 第24-33页 |
| ·Markov 决策过程和半Markov 决策过程 | 第24-27页 |
| ·Markov 决策过程 | 第24-25页 |
| ·半Markov 决策过程 | 第25-26页 |
| ·多Agent 半Markov 决策过程 | 第26-27页 |
| ·Q 学习优化算法 | 第27-30页 |
| ·Q 学习原理 | 第27-28页 |
| ·基于性能势的Q 学习算法 | 第28-30页 |
| ·Option 优化算法 | 第30-32页 |
| ·Option 算法原理 | 第30-31页 |
| ·Option 算法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于连续时间半马尔可夫决策过程的Option 算法 | 第33-50页 |
| ·连续时间SMDP 数学模型 | 第33-34页 |
| ·连续时间模拟退火统一Q 学习 | 第34-37页 |
| ·模拟退火算法 | 第34-35页 |
| ·连续时间模拟退火统一Q 学习优化算法 | 第35-37页 |
| ·连续时间Option 算法 | 第37-41页 |
| ·实验仿真 | 第41-49页 |
| ·仿真模型 | 第41-43页 |
| ·SA-Option 算法模型建立 | 第43页 |
| ·SA-Q 算法模型建立 | 第43-44页 |
| ·实验结果 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 多 Agent 系统连续时间 Option 算法 | 第50-63页 |
| ·MSMDP 数学模型描述 | 第50-51页 |
| ·多 Agent 连续时间 Option 学习优化算法 | 第51-56页 |
| ·连续时间 CMSA-Option 优化算法 | 第51-54页 |
| ·连续时间 JMSA-Option 优化算法 | 第54-56页 |
| ·实验仿真 | 第56-62页 |
| ·仿真模型 | 第56-57页 |
| ·CMSA-Option 算法模型建立 | 第57-58页 |
| ·JMSA-Option 算法模型建立 | 第58-59页 |
| ·实验结果 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 总结 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间主要科研工作和成果 | 第68-69页 |
