《人工智能控制技术》 课件 chap3-强化学习.pptx

《人工智能控制技术》;强化学习的历史背景;强化学习的历史背景;强化学习的历史背景;强化学习的历史背景;强化学习的历史背景;强化学习分类;基于策略迭代和基于值迭代的强化学习;在线学习和离线学习;基于模型学习和无模型学习;强化学习中的重点概念;强化学习中的重点概念;强化学习中的重点概念;强化学习中的重点概念;强化学习中的重点概念;强化学习中的重点概念;马尔可夫决策过程;马尔可夫决策过程概述;马尔可夫决策过程概述;马尔可夫链;马尔可夫链;马尔可夫链;马尔可夫决策过程;马尔可夫决策过程;马尔可夫决策过程;马尔可夫决策过程示例;贝尔曼方程;状态价值函数;贝尔曼方程;贝尔曼期望方程;贝尔曼方程;贝尔曼方程;贝尔曼方程矩阵形式;最优控制与最优策略;最优控制与最优策略;最优控制与最优策略;最优控制与最优策略;最优控制与最优策略;最优控制与最优策略;最优控制与最优策略;最优控制与最优策略;最优控制与最优策略;最优控制与最优策略;动态规划;动态规划简介;动态规划简介;最优控制中的动态规划;最优控制中的动态规划;最优控制中的动态规划;最优控制中的动态规划;强化学习中的动态规划;强化学习中的动态规划;强化学习中的动态规划;基本强化学习;策略迭代法;策略迭代法;策略迭代学习;值迭代法;值迭代学习;蒙特卡洛法;蒙特卡洛法;蒙特卡洛法;蒙特卡洛法;蒙特卡洛法;时序差分法（TD）;时序差分算法;时序差分算法;时序差分算法;其他类型强化学习;其他类型强化学习;其他类型强化学习;其他类型强化学习;其他类型强化学习;课后习题