| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 基于聚焦对象的强化学习算法研究现状 | 第9-10页 |
| 1.2.2 基于强化学习的训练提速方法研究现状 | 第10-11页 |
| 1.3 论文研究内容及意义 | 第11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第二章 强化学习基础 | 第13-25页 |
| 2.1 强化学习问题建模 | 第13-18页 |
| 2.1.1 强化学习应用场景 | 第13页 |
| 2.1.2 马尔可夫决策过程 | 第13-14页 |
| 2.1.3 强化学习系统框架 | 第14-15页 |
| 2.1.4 奖赏函数 | 第15-16页 |
| 2.1.5 值函数 | 第16-17页 |
| 2.1.6 贝尔曼方程 | 第17-18页 |
| 2.2 无模型学习方法 | 第18-21页 |
| 2.2.1 无模型控制方法 | 第18-19页 |
| 2.2.2 无模型预测方法 | 第19页 |
| 2.2.3 Q值学习 | 第19-20页 |
| 2.2.4 无模型方法的值函数 | 第20-21页 |
| 2.3 模型学习方法 | 第21-22页 |
| 2.3.1 前言 | 第21页 |
| 2.3.2 Q值规划 | 第21-22页 |
| 2.4 模型学习和无模型学习结合的算法 | 第22-24页 |
| 2.4.1 模型和无模型结合的方法 | 第22页 |
| 2.4.2 Dyna-Q方法 | 第22-23页 |
| 2.4.3 PrioritizedSweeping | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 聚焦对象的Q值学习的改进算法 | 第25-37页 |
| 3.1 聚焦对象的Q值学习算法 | 第25-30页 |
| 3.1.1 算法前提条件 | 第25-26页 |
| 3.1.2 值函数估计 | 第26页 |
| 3.1.3 控制策略 | 第26页 |
| 3.1.4 算法流程 | 第26-27页 |
| 3.1.5 阈值初始化与更新 | 第27-28页 |
| 3.1.6 算法应用实例 | 第28-29页 |
| 3.1.7 非最优控制策略的优势 | 第29-30页 |
| 3.2 聚焦对象的Q值学习算法改进 | 第30-35页 |
| 3.2.1 控制策略 | 第31-32页 |
| 3.2.2 结合模型学习的OF-Q算法 | 第32-33页 |
| 3.2.3 算法分析 | 第33页 |
| 3.2.4 实验 | 第33-35页 |
| 3.3 本章小结 | 第35-37页 |
| 第四章 基于聚焦对象的异步模型学习及其实现 | 第37-49页 |
| 4.1 A3C算法和分布式优先经验回放 | 第37-38页 |
| 4.2 基于值函数的异步模型学习的框架 | 第38-40页 |
| 4.3 基于聚焦对象的异步模型学习算法 | 第40-47页 |
| 4.3.1 前言 | 第40页 |
| 4.3.2 算法流程 | 第40-43页 |
| 4.3.3 基于聚焦对象的异步模型学习系统实现 | 第43-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-55页 |