深度强化学习的梯度时序差分评价网络算法研究

目录

声明

摘要

第一章绪论

1．1引言

1．2前人的研究成果

1．3本文研究内容

1．4本文的组织结构

2．1引言

2．2强化学习理论

2．2．1马尔科夫决策过程

2．2．2值函数

2．2．3时序差分学习

2．2．4 Q学习算法

2．2．5目标函数

2．2．6策略梯度

2．3深度强化学习理论

2．3．1深度Q学习算法

2．3．2经验回放机制

2．4本章小结

第三章基于动作-评价网络的线性预估器加速算法研究

3．1引言

3．2．1 ALA-AC算法框架

3．2．2评价网络的改进

3．2．3动作网络的设计

3．3实验方案及结果分析

3．3．1实验环境选取和设计

3．3．2奖励函数的设计

3．3．3实验结果及分析

3．4本章小结

第四章基于ALA-AC算法的目标函数改进与应用

4．1引言

4．2基于均方投影贝尔曼误差的目标函数改进

4．2．1均方投影贝尔曼误差

4．2．2梯度时序差分算法及改进

4．2．3时序差分梯度矫正算法

4．3实验方案及结果分析

4．3．1倒立摆控制问题

4．3．2无人车路径规划问题

4．4本章小结

第五章总结与展望

5．1总结

5．2展望

参考文献

致谢

研究成果及发表的学术论文

导师和作者简介