目录

TOC\o1-3\h\z\u

第一章绪论 1

1.1 研究背景及意义 1

1.2 研究现状 2

1.3 论文的主要工作及组织结构 3

第二章背景知识介绍 5

2.1马尔科夫决策过程 5

2.2基于模型的动态规划方法 6

2.3基于蒙特卡罗方法的理论 6

2.4基于时间差分的强化学习方法 7

2.4.1SARSA学习 8

2.4.2Q-learning方法 9

第三章Q-learning及其改进算法研究 10

3.1Q-learning算法 10

3.1.1Q-lear