强化学习原理及其实战应用研究.docxVIP

强化学习原理及其实战应用研究

目录

一、文档综述与背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

二、核心概念与数学基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

2.1强化学习基本要素解析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

2.2马尔可夫决策过程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

三、传统策略迭代与估值方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

3.1基于价值迭代的方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

3.2基于策略迭代的方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

3.2.1策略梯度定理与REINFORCE算法．．．．．．．．．．．．．．．．．．．．．．．．．13

3.2.2采样效率与方差优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

四、深度神经网络与强化学