基于马尔可夫决策过程的强化学习核心算法理论推导与工程化改进.docxVIP

基于马尔可夫决策过程的强化学习核心算法理论推导与工程化改进

目录

内容概要．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

1.1背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

1.2研究目标与内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.3文献综述与现状分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

马尔可夫决策过程概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

2.1马尔可夫决策过程的定义与特征．．．．．．．．．．．．．．．．．．．．．．．．．．．8

2.2马尔可夫决策过程的状态转移框架．．．．．．．．．．．．．．．．．．．．．．．．10

2.3奖励函数与优化目标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

2.4马尔可夫决策过程的应用场景．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

强化学习算法设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

3.1基本强化学习框架与原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

3.2经验重放机制