强化学习中值迭代算法分析及其应用开题报告

1. 研究目的与意义

Ⅰ、背景：

强化学习是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。其灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。和博弈论有密切的关系，也是多主体系统学习的常用方法。

Ⅱ、目的：

2. 研究内容和预期目标

研究的主要内容：

Ⅰ、如何表示状态空间和动作空间。

Ⅱ、如何选择建立信号以及如何通过学习来修正不同状态－动作对的值。

3. 研究的方法与步骤

方法与步骤

Ⅰ、网格世界是一个典型的有穷的马尔科夫决策环境，dp和强化学习的关键思想是用值函数去组织和构建好的策略。

4. 参考文献

[1] sutton s. learning to predict by the methods of temporal difference [m]. machine learning. 1988, 3(1): 9-44.

[2] kaelbling l p, littman m l, moore a w. reinforcement learning: a survey[j]. journal of artificial intelligence research, 1996, 4:237-285.

[3] singh s. agents and reinforcement learning[m]. san mateo, ca, usa: miller freeman publish inc, 1997.

5. 计划与进度安排

(1) 2022.2.1 ---- 2022.3.10 查阅资料, 撰写开题报告

(2) 2022.3.11 ---- 2022.3.18 需求分析,熟悉开发工具

(3) 2022.3.19 ---- 2022.3.31 概要设计