| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 研究目标与研究内容 | 第12-13页 |
| 1.3.1 研究目标 | 第12页 |
| 1.3.2 研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第二章 预备知识 | 第14-20页 |
| 2.1 马尔科夫决策过程与增强学习 | 第14-16页 |
| 2.2 Q学习算法 | 第16-17页 |
| 2.3 DQN算法 | 第17-20页 |
| 第三章 基于传播加速的改进方法 | 第20-26页 |
| 3.1 Q学习算法与动态规划 | 第20-22页 |
| 3.2 基于传播加速的改进方法 | 第22-25页 |
| 3.3 本章小结 | 第25-26页 |
| 第四章 基于前置状态优先级调整的改进方法 | 第26-32页 |
| 4.1 基于优先级抽样的DQN算法 | 第26-29页 |
| 4.2 基于前置状态优先级调整的改进方法 | 第29-31页 |
| 4.3 本章小结 | 第31-32页 |
| 第五章 实验分析与系统设计 | 第32-47页 |
| 5.1 实验软硬件环境 | 第32-35页 |
| 5.2 实验结果与分析 | 第35-46页 |
| 5.2.1 PDQN与PDDQN算法实验结果与分析 | 第36-43页 |
| 5.2.2 DQN-RePER与DDQN-RePER算法实验结果与分析 | 第43-46页 |
| 5.3 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 研究工作总结 | 第47页 |
| 6.2 研究工作展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 作者简介 | 第53页 |