| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 引言 | 第10-21页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.2 研究现状及趋势 | 第13-18页 |
| 1.2.1 研究现状 | 第13-16页 |
| 1.2.2 研究趋势 | 第16-18页 |
| 1.3 研究内容 | 第18-19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 第二章 背景知识 | 第21-29页 |
| 2.1 马尔科夫决策过程 | 第21-22页 |
| 2.2 强化学习经典算法 | 第22-25页 |
| 2.2.1 蒙特卡罗方法 | 第23页 |
| 2.2.2 Q学习算法 | 第23-24页 |
| 2.2.3 行动者评论家算法 | 第24-25页 |
| 2.3 深度Q网络 | 第25-28页 |
| 2.3.1 训练算法 | 第26-27页 |
| 2.3.2 模型架构 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于优先级采样的深度Q学习算法 | 第29-40页 |
| 3.1 基于优先级采样的经验回放机制 | 第29-31页 |
| 3.1.1 传统的经验回放机制 | 第29-30页 |
| 3.1.2 优先级采样方法 | 第30-31页 |
| 3.1.3 随机化方法 | 第31页 |
| 3.2 基于优先级采样的深度Q学习算法 | 第31-34页 |
| 3.2.1 训练算法描述 | 第31-33页 |
| 3.2.2 模型架构描述 | 第33-34页 |
| 3.3 仿真实验 | 第34-38页 |
| 3.3.1 实验描述 | 第34-35页 |
| 3.3.2 实验设置 | 第35-36页 |
| 3.3.3 实验结果及分析 | 第36-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 基于视觉注意力机制的深度循环Q网络模型 | 第40-57页 |
| 4.1 门限循环单元 | 第40-42页 |
| 4.2 视觉注意力机制 | 第42-43页 |
| 4.3 基于视觉注意力机制的深度循环Q网络模型 | 第43-48页 |
| 4.3.1 模型架构图 | 第43-44页 |
| 4.3.2 预处理 | 第44页 |
| 4.3.3 编码器：卷积神经网络 | 第44-45页 |
| 4.3.4 解码器：基于视觉注意力机制的循环神经网络 | 第45-47页 |
| 4.3.5 模型架构的训练过程 | 第47-48页 |
| 4.4 仿真实验 | 第48-55页 |
| 4.4.1 实验描述 | 第48-49页 |
| 4.4.2 实验设置 | 第49-50页 |
| 4.4.3 实验结果及分析 | 第50-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 基于混合目标Q值的深度确定性策略梯度算法 | 第57-69页 |
| 5.1 策略梯度方法 | 第57-58页 |
| 5.2 基于行动者评论家框架的深度确定性策略梯度方法 | 第58-60页 |
| 5.3 基于混合目标Q值的深度确定性策略梯度算法 | 第60-64页 |
| 5.3.1 混合目标Q值的定义 | 第60-62页 |
| 5.3.2 训练算法描述 | 第62-64页 |
| 5.4 仿真实验 | 第64-68页 |
| 5.4.1 实验描述 | 第64-65页 |
| 5.4.2 实验设置 | 第65-66页 |
| 5.4.3 实验结果及分析 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-79页 |
| 攻读硕士学位期间公开发表(录用)的论文及参与的项目 | 第79-81页 |
| 一、公开发表(录用)的学术论文 | 第79页 |
| 二、参加的科研项目 | 第79-81页 |
| 致谢 | 第81-82页 |
