目 錄
譯者序
原書前言
第1章監督式學習概述
1 1 LS算法
1 2 RLS算法
1 3 LMS算法
1 4隨機逼近法
參考文獻
第2章單智能體強化學習
2 1簡介
2 2 n臂賭博機問題
2 3學習結構
2 4值函數
2 5最優值函數
2 5.1網格示例
2 6 MDP
2 7學習值函數
2 8策略迭代
2 9 時間差分學習
2 10狀態一行為函數的時間差分學習
2 11 Q學習
2 12資格跡
參考文獻
第3章雙人矩陣博弈學習
3 1矩陣博弈
3 2雙人矩陣博弈中的納什均衡
3 3雙人零和矩陣博弈中的綫性規劃
3 4學習算法
3 5梯度上升算法
3 6 WoLF - IGA算法
3 7 PHC算法
3 8 WoLF - PHC算法
3 9矩陣博弈中的分散式學習
3 10學習自動機
3 11綫性迴報一無為算法
3 12綫性迴報一懲罰算法
3 13滯後錨算法
3 14 LR．滯後錨算法
3 14.1仿真
參考文獻
第4章多人隨機博弈學習
4 1簡介
4 2多人隨機博弈
4 3極大極小Q學習算法
4 3.1 2 x2網格博弈
4 4納什Q學習算法
4 4.1學習過程
4 5單純形算法
4 6 Lemke - Howson算法
4 7納什Q學習算法實現
4 8朋友或敵人Q學習算法
4 9無限梯度上升算法
4 10 PHC算法
4 11 WoLF - PHC算法
4 12 網格世界中的疆土防禦問題
4 12.1仿真和結果
4 13 LR．滯後錨算法在隨機博弈中的擴展
4 14 EMA Q學習算法
4 15 EMA Q學習與其他方法的仿真與結果比較
4 15.1矩陣博弈
4 15 2隨機博弈
參考文獻
第5章微分博弈
5 1簡介
5 2模糊係統簡述
5 2.1模糊集和模糊規則
5 2 2模糊推理機
5 2 3模糊化與去模糊化
5 2 4模糊係統及其示例
5 3模糊Q學習
5 4 FACL
5 5瘋狂司機微分博弈
5 6模糊控製器結構
5.7 Q(A)學習模糊推理係統
5 8瘋狂司機博弈的仿真結果
5 9雙車追捕者一逃跑者博弈中的學習算法
5 10雙車博弈仿真
5 11 疆土防禦微分博弈
5 12疆土防禦微分博弈中的形成迴報
5 13仿真結果
5 13.1 -個防禦者對一個人侵者
5 13 2兩個防禦者對一個人侵者
參考文獻
第6章群智能與性格特徵的進化
6 1簡介
6 2群智能的進化
6 3環境錶徵
6 4群機器人的性格特徵
6 5性格特徵的進化
6 6仿真結構框架
6 7零和博弈示例
6 7.1收斂性
6 7 2仿真結果
6 8後續仿真實現
6 9機器人走齣房間
6 10機器人跟蹤目標
6 11小結
參考文獻
· · · · · · (收起)