探索增强深度强化学习方法研究

目录

声明

致谢

变量注释表

1 绪论

1.1 研究背景及意义（Research Background and Significance）

1.2 国内外研究现状（Research Actuality）

1.3 研究目标及内容（Research Objectives and Contents）

1.4 论文章节安排（Thesis Chapter Arrangement）

2 相关工作

2.1 马尔科夫决策过程（Markov Decision Process）

2.2 基 于 值 函 数 的 深 度 强 化 学 习 （ Value-Based Deep Reinforcement Learning）

2.3 基于策略的深度强化学习（Policy-Based Deep Reinforcement Learning）

2.4 深度强化学习面临的挑战（Challenges of Deep Reinforcement Learning）

2.5 本章小结（Conclusions of the Chapter）

3 基于推断的后验参数分布优化

3.1 研究背景（Research Background）

3.2 基于推断的后验参数分布优化（ Inference-Based Posteriori Parameter Distribution Optimization）

3.3 实验结果与分析（Experimental Results and Analysis）

3.4 本章小结（Conclusions of the Chapter）

4 近端参数分布优化

4.1 研究背景（Research Background）

4.2 近端参数分布优化（ Proximal Parameter Distribution Optimization）

4.3 实验结果与分析（Experimental Results and Analysis）

4.4 本章小结（Conclusions of the Chapter）

5 基于演示的策略优化

5.1 研究背景（Research Background）

5.2 基 于 演 示 的 策 略 优 化 （ Demonstration-Based Policy Optimization）

5.3 实验结果与分析（Experimental Results and Analysis）

5.4 本章小结（Conclusions of the Chapter）

6 基于演示的内部回报机制

6.1 研究背景（Research Background）

6.2 基于演示的内部回报机制（ Demonstration-Based Internal Reward Mechanism）

6.3 实验结果与分析（Experimental Results and Analysis）

6.4 本章小结（Conclusions of the Chapter）

7 总结与展望

7.1 总结（Conclusions）

7.2 展望（Prospects）

参考文献

作者简历

学位论文数据集