大规模强化学习
《大规模强化学习》讨论大规模强化学习的理论及方法，介绍强化学习在大状态空间任务中的应用。该研究已成为近年来计算机科学与技术领域*活跃的研究分支之一。 《大规模强化学习》共分六部分21章。第一部分是强化学习基础。第二部分是用于强化学习的值函数逼近方法。第三部分是*小二乘策略迭代方法。第四部分是模糊近似强化学习方法。第五部分是并行强化学习方法。第六部分是离策略强化学习方法。 《大规模强化学习》可以作为高等院校计算机专业和自动控制专业研究生的教材，也可以作为相关领域科技工作者和工程技术人员的参考书。
简介
《大规模强化学习》讨论大规模强化学习的理论及方法，介绍强化学习在大状态空间任务中的应用。该研究已成为近年来计算机科学与技术领域*活跃的研究分支之一。 《大规模强化学习》共分六部分21章。第一部分是强化学习基础。第二部分是用于强化学习的值函数逼近方法。第三部分是*小二乘策略迭代方法。第四部分是模糊近似强化学习方法。第五部分是并行强化学习方法。第六部分是离策略强化学习方法。 《大规模强化学习》可以作为高等院校计算机专业和自动控制专业研究生的教材，也可以作为相关领域科技工作者和工程技术人员的参考书。
版权
出版社科学出版社
出版时间2016年3月
热门划线
大规模强化学习
刘全 傅启明 钟珊 黄蔚
- 第1章 前言
- 第2章 强化学习概述
- 第3章 1．1 简介
- 第4章 1．2 形式框架
- 第5章 1．2．1 马尔可夫决策过程
- 第6章 1．2．2 策略
- 第7章 1．2．3 回报
- 第8章 1．3 值函数
- 第9章 1．4 解决强化学习问题
- 第10章 1．4．1 动态规划：基于模型的解决技术
- 第11章 1．4．2 强化学习：模型无关的解决技术
- 第12章 1．5 本章小结
- 第13章 参考文献
- 第14章 大规模或连续状态空间的强化学习
- 第15章 2．1 简介
- 第16章 2．2 近似表示
- 第17章 2．2．1 带参数化值函数逼近
- 第18章 2．2．2 非参数化值函数逼近
- 第19章 2．3 值函数逼近求解方法
- 第20章 2．3．1 梯度下降方法
- 第21章 2．3．2 最小二乘回归
- 第22章 2．4 本章小结
- 第23章 参考文献
- 第24章 梯度下降值函数逼近模型的改进
- 第25章 3．1 改进的梯度下降值函数逼近模型
- 第26章 3．1．1 势函数塑造奖赏机制
- 第27章 3．2 NRBF-GD-Sarsa（λ）算法
- 第28章 3．2．1 算法描述
- 第29章 3．2．2 算法收敛性分析
- 第30章 3．3 仿真实验
- 第31章 3．3．1 实验描述
- 第32章 3．3．2 实验设置
- 第33章 3．3．3 实验分析
- 第34章 3．4 本章小结
- 第35章 参考文献
- 第36章 基于LSSVR的Q-值函数分片逼近模型
- 第37章 4．1 LSSVR-Q-值函数分片逼近模型
- 第38章 4．2 在线稀疏化样本池构建方法
- 第39章 4．3 LSSVR-Q算法
- 第40章 4．4 仿真实验
- 第41章 4．4．1 实验1：MountainCar问题
- 第42章 4．4．2 实验2：DCMotor问题
- 第43章 4．5 本章小结
- 第44章 参考文献
- 第45章 基于ANRBF网络的Q-V值函数协同逼近模型
- 第46章 5．1 Q-V值函数协同机制
- 第47章 5．2 Q-V值函数协同逼近模型
- 第48章 5．3 Q-V值函数协同逼近算法
- 第49章 5．3．1 QV（λ）算法
- 第50章 5．3．2 算法收敛性分析
- 第51章 5．4 仿真实验
- 第52章 5．4．1 实验描述
- 第53章 5．4．2 实验设置
- 第54章 5．4．3 实验分析
- 第55章 5．5 本章小结
- 第56章 参考文献
- 第57章 基于高斯过程的快速Sarsa算法
- 第58章 6．1 新的值函数概率生成模型
- 第59章 6．2 利用高斯过程对线性带参值函数建模
- 第60章 6．3 FL-GPSarsa算法
- 第61章 6．4 仿真实验
- 第62章 6．4．1 带风的格子世界问题
- 第63章 6．4．2 MountainCar问题
- 第64章 6．5 本章小结
- 第65章 参考文献
- 第66章 基于高斯过程的Q学习算法
- 第67章 7．1 值迭代方法
- 第68章 7．2 用于值迭代的值函数概率生成模型
- 第69章 7．3 GP-QL算法
- 第70章 7．4 仿真实验
- 第71章 7．4．1 实验1：带悬崖的格子世界问题
- 第72章 7．4．2 实验2：MountainCar问题
- 第73章 7．5 本章小结
- 第74章 参考文献
- 第75章 最小二乘策略迭代算法
- 第76章 8．1 马尔可夫决策过程
- 第77章 8．2 最小二乘策略迭代
- 第78章 8．2．1 投影贝尔曼等式的矩阵形式
- 第79章 8．2．2 最小二乘策略迭代
- 第80章 8．2．3 在线最小二乘策略迭代
- 第81章 8．3 本章小结
- 第82章 参考文献
- 第83章 批量最小二乘策略迭代算法
- 第84章 9．1 批量强化学习算法
- 第85章 9．2 批量最小二乘策略迭代算法
- 第86章 9．3 算法分析
- 第87章 9．3．1 收敛性分析
- 第88章 9．3．2 复杂度分析
- 第89章 9．4 仿真实验
- 第90章 9．4．1 实验描述
- 第91章 9．4．2 实验设置
- 第92章 9．4．3 实验分析
- 第93章 9．5 本章小结
- 第94章 参考文献
- 第95章 自动批量最小二乘策略迭代算法
- 第96章 10．1 定点步长参数评估方法
- 第97章 10．2 自动批量最小二乘策略迭代算法
- 第98章 10．3 仿真实验
- 第99章 10．3．1 实验描述
- 第100章 10．3．2 实验分析
- 第101章 10．4 本章小结
- 第102章 参考文献
- 第103章 11．1 二值动作搜索
- 第104章 11．2 快速特征选择
- 第105章 11．4 仿真实验
- 第106章 11．4．1 实验描述
- 第107章 11．4．2 实验设置
- 第108章 11．4．3 实验分析
- 第109章 11．5 本章小结
- 第110章 参考文献
- 第111章 12．1 Q-值函数的计算和FIS的参数更新
- 第112章 12．2 DFR-Sarsa（λ）算法
- 第113章 12．2．1 DFR-Sarsa（λ）算法的学习过程
- 第114章 12．2．2 算法收敛性分析
- 第115章 12．3 仿真实验
- 第116章 12．3．1 MountainCar
- 第117章 12．3．2 平衡杆
- 第118章 12．4 本章小结
- 第119章 参考文献
- 第120章 13．1 近似Q-值函数的计算和参数的更新
- 第121章 13．2 IT2FI-Sarsa（λ）算法的学习过程
- 第122章 13．3 算法收敛性分析
- 第123章 13．4 仿真实验
- 第124章 13．4．1 实验设置
- 第125章 13．4．2 实验分析
- 第126章 13．5 本章小结
- 第127章 参考文献
- 第128章 ……
- 第129章 基于并行采样和学习经验复用的E3算法
- 第130章 基于线性函数逼近的离策略Q（λ）算法
- 第131章 基于二阶TDError的Q（λ）算法
- 第132章 基于值函数迁移的快速Q-Learning算法
- 第133章 离策略带参贝叶斯强化学习算法