基于动作空间划分的分层强化学习研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第6-12页 |
| 1.1 研究背景与意义 | 第6-7页 |
| 1.2 研究现状 | 第7-10页 |
| 1.2.1 强化学习的发展历程 | 第7-8页 |
| 1.2.2 分层强化学习研究现状 | 第8-10页 |
| 1.3 论文组织结构 | 第10-12页 |
| 第2章 分层强化学习基本理论 | 第12-28页 |
| 2.1 强化学习简介 | 第12-19页 |
| 2.1.1 强化学习框架 | 第12-13页 |
| 2.1.2 马尔可夫决策过程 | 第13-14页 |
| 2.1.3 值函数 | 第14-16页 |
| 2.1.4 强化学习基础方法 | 第16-19页 |
| 2.2 分层强化学习理论 | 第19-27页 |
| 2.2.1 抽象动作 | 第19-21页 |
| 2.2.2 半马尔科夫决策过程 | 第21-23页 |
| 2.2.3 典型的分层强化学习方法 | 第23-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 基于动作空间划分的自动分层方法 | 第28-39页 |
| 3.1 自动分层方法概述 | 第28-30页 |
| 3.2 动作空间划分的基本概念 | 第30-34页 |
| 3.2.1 瓶颈动作 | 第30-31页 |
| 3.2.2 初始动作划分 | 第31-32页 |
| 3.2.3 子任务 | 第32-33页 |
| 3.2.4 子任务访问次数 | 第33-34页 |
| 3.3 自动分层算法描述 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于值函数分解的分层强化学习 | 第39-47页 |
| 4.1 值函数分解 | 第39-42页 |
| 4.2 MAXQ强化学习 | 第42-44页 |
| 4.3 基于可用动作的子任务终止条件 | 第44-45页 |
| 4.4 任务结构的动态调整 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 实验与分析 | 第47-59页 |
| 5.1 实验设置 | 第47-49页 |
| 5.1.1 实验目的 | 第47页 |
| 5.1.2 任务描述与参数设置 | 第47-49页 |
| 5.2 实验结果与分析 | 第49-58页 |
| 5.2.1 实验一 | 第49-52页 |
| 5.2.2 实验二 | 第52-53页 |
| 5.2.3 实验三 | 第53-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 本文总结 | 第59页 |
| 6.2 后续展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-66页 |
| 图版 | 第66页 |
