1. 研究目的与意义（文献综述）
1.1研究目的及意义
2. 研究的基本内容与方案
智能体的某个行为策略改变了环境，就会获得环境给予的强化信号奖或惩，如果智能体（的某个行为策略导致环境对智能体正的奖赏值（reward），则智能体以后采取这个行为策略的趋势就会加强；反之，若某个行为策略导致了负的奖赏值，那么智能体此后采取这个动作的趋势就会减弱。整个状态过程可以用马尔科夫过程来描述，马尔科夫过程是一类随机过程。
3. 研究计划与安排
第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。
第6－9周：编程实现各算法，并进行仿真调试。
第10－12周：针对具体的实验数据，完成整个系统的仿真，实现功能；撰写论文初稿。
4. 参考文献（12篇以上）
[1]chernikova, alesia. areself-driving cars secure? evasion attacks against deep neural networks forsteering angle prediction[c]. 2019 ieee symposium on security and privacyworkshops. 2019. 132-137
[2] smolyakov, m.v. self-driving carsteering angle prediction based on deep neural network an example of carndudacity simulator[c]. ieee 12th international conference on application ofinformation and communication technologies. 2018.
[3] mariusz bojarski, davidedel testa, daniel dworakowski, bernhard firner, beat flepp, prasoon goyal,lawrenced. jackel, mathew monfort, urs muller, jiakai zhang, xin zhang, jake zhao, andkarol zieba.end to end learning for self-driving cars, april 25 2016.
