| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题研究的背景和意义 | 第8-10页 |
| 1.2 国内外相关研究及分析 | 第10-15页 |
| 1.2.1 国内外研究现状 | 第10-14页 |
| 1.2.2 国内外研究的问题简析 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 本文内容安排 | 第16-17页 |
| 第2章 深度强化学习与研究环境介绍 | 第17-36页 |
| 2.1 深度学习及其原理 | 第17-28页 |
| 2.1.1 感知机与神经网络 | 第17-22页 |
| 2.1.2 卷积神经网络基本组件及其作用 | 第22-28页 |
| 2.2 强化学习和马尔科夫决策过程 | 第28-30页 |
| 2.3 图像预测 | 第30-32页 |
| 2.4 研究工具和平台介绍 | 第32-35页 |
| 2.4.1 Tensorflow框架介绍 | 第32-33页 |
| 2.4.2 VizDoom游戏平台介绍 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 基于A3C的带预判游戏智能体 | 第36-46页 |
| 3.1 研究内容概述 | 第36页 |
| 3.2 强化学习和DQN原理 | 第36-39页 |
| 3.3 Actor-Critic与A3C模型的原理 | 第39-41页 |
| 3.4 Anticipator-A3C模型基本思想 | 第41-45页 |
| 3.4.1 Anticipator-A3C模型总体结构 | 第41-45页 |
| 3.4.2 Anticipator模块原理 | 第45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 模型设计实现与实验 | 第46-57页 |
| 4.1 模型的网络结构与实现细节 | 第46-52页 |
| 4.1.1 模型结构设计与参数设置 | 第46-50页 |
| 4.1.2 模型训练过程分析 | 第50-52页 |
| 4.2 实验环境与条件设置 | 第52页 |
| 4.3 实验结果及分析 | 第52-56页 |
| 4.4 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第63-65页 |
| 致谢 | 第65页 |
