强化学习理论与实践路径.docxVIP

强化学习理论与实践路径

目录

一、文档概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

自适应决策系统．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

为何选择行动？政策梯度与奖励泛函视角．．．．．．．．．．．．．．．．．．．．3

文献脉络梳理与研究空白探讨．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

二、理论基石深耕．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

动态规划．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

概率、状态与回报．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

探索与利用折衷．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

三、算法框架探析与抉择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

时序差分学习．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

价值函数近似．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

参数化策略梯度．．．．．．．．．．．．．．．．．．．．．．．．．