• 强化学习与最优控制
  • 强化学习与最优控制
  • 强化学习与最优控制
  • 强化学习与最优控制
21年品牌 40万+商家 超1.5亿件商品

强化学习与最优控制

全新正版 极速发货

93.8 6.3折 149 全新

库存12件

广东广州
认证卖家担保交易快速发货售后保障

作者(美)德梅萃·P.博塞卡斯

出版社清华大学出版社

ISBN9787302540328

出版时间2020-06

装帧平装

开本32开

定价149元

货号1202094838

上书时间2024-08-07

谢岳书店

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
作者简介
Dimitri P. Bertseka,美国MIT终身教授,美国国家工程院院士,清华大学复杂与网络化系统研究中心客座教授。电气工程与计算机科学领域靠前知名作者,著有《非线性规划》《网络优化》《凸优化》等十几本畅销教材和专著。

目录
1. Exact Dynamic Programming

1.1. Deterministic Dynamic Programming

1.1.1. Deterministic Problems

1.1.2. The Dynamic Programming Algorithm

1.1.3. Approximation in Value Space

1.2. Stochastic Dynamic Programming

1.3. Examples, Variations, and Simplifications

1.3.1. Deterministic Shortest Path Problems

1.3.2. Discrete Deterministic Optimization

1.3.3. Problems with a Termination State

1.3.4. Forecasts

1.3.5. Problems with Uncontrollable State Components

1.3.6. Partial State Information and Belief States

1.3.7. Linear Quadratic Optimal Control

1.3.8. Systems with Unknown Parameters - Adaptive Control

1.4. Reinforcement Learning and Optimal Control - Some Terminology

1.5. Notes and Sources

2. Approximation in Value Space

2.1. Approximation Approaches in Reinforcement Learning

2.1.1. General Issues of Approximation in Value Space

2.1.2. Off-Line and On-Line Methods

2.1.3. Model-Based Simplification of the Lookahead Minimization

2.1.4. Model-Free off-Line Q-Factor Approximation

2.1.5. Approximation in Policy Space on Top of Approximation in Value Space

2.1.6. When is Approximation in Value Space Effective?

2.2. Multistep Lookahead

2.2.1. Multistep Lookahead and Rolling Horizon

2.2.2. Multistep Lookahead and Deterministic Problems

2.3. Problem Approximation

2.3.1. Enforced Decomposition

2.3.2. Probabilistic Approximation - Certainty Equivalent Control

2.4. Rollout and the Policy Improvement Principle

2.4.1. On-Line Rollout for Deterministic Discrete Optimization

2.4.2. Stochastic Rollout and Monte Carlo Tree Search

2.4.3. Rollout with an Expert

2.5. On-Line Rollout for Deterministic Infinite-Spaces Problems Optimization Heuristics

2.5.1. Model Predictive Control

2.5.2. Target Tubes and the Constrained Controllability Condition

2.5.3. Variants of Model Predictive Control

2.6. Notes and Sources

3. Parametric Approximation

3.1. Approximation Architectures

3.1.1. Linear and Nonlinear Feature-Based Architectures

3.1.2. Training of Linear and Nonlinear Architectures

3.1.3. Incremental Gradient and Newton Methods

3.2. Neural Networks

3.2.1. Training of Neural Networks

3.2.2. Multilayer and Deep Neural Networks

3.3. Sequential Dynamic Programming Approximation

3.4. Q-Factor Parametric Approximation

3.5. Parametric Approximation in Policy Space by Classification

3.6. Notes and Sources

4. Infinite Horizon Dynamic Programming

4.1. An Overview of Infinite Horizon Problems

4.2. Stochastic Shortest Path Problems

4.3. Discounted Problems

4.4. Semi-Markov Discounted Problems

4.5. Asynchronous Distributed Value Iteration

4.6. Policy Iteration

4.6.1. Exact Policy Iteration

4.6.2. Optimistic and Multistep Lookahead Policy Iteration

4.6.3. Policy Iteration for Q-factors

4.7. Notes and Sources

4.8. Appendix: Mathematical Analysis

4.8.1. Proofs for Stochastic Shortest Path Problems

4.8.2. Proofs for Discounted Problems

4.8.3. Convergence of Exact and Optimistic Policy Iteration

5. Infinite Horizon Reinforcement Learning

5.1. Approximation in Value Space - Performance Bounds

5.1.1. Limited Lookahead

5.1.2. Rollout and Approximate Policy Improvement

5.1.3. Approximate Policy Iteration

5.2. Fitted Value Iteration

5.3. Simulation-Based Policy Iteration with Parametric Approximation

5.3.1. Self-Learning and Actor-Critic Methods

5.3.2. Model-Based Variant of a Critic-Only Method

5.3.3. Model-Free Variant of a Critic-Only Method

5.3.4. Implementation Issues of Parametric Policy Iteration

5.3.5. Convergence Issues of Parametric Policy Iteration Oscillations

5.4. Q-Learning

5.4.1. Optimistic Policy Iteration with Parametric Q-Factor Approximation - SARSA and DQN

5.5. Additional Methods - Temporal Differences

……

内容摘要
本书的主要内容包括:章动态规划的准确求解;第2章值空间的逼近;第3章参数逼近;第4章无限时间动态规划;第5章无限时间强化学习;第6章集结技术。通过本书读者可以较为全面地了解动态规划、近似动态规划和强化学习的理论框架、主流算法的工作原理和近期新发展。本书可用作人工智能或系统与控制科学等相关专业的高年级本科生或研究生的教材,也适合开展相关研究工作的专业技术人员作为参考用书。

主编推荐
"Dimitri P. Bertseka,美国MIT终身教授,美国国家工程院院士,清华大学复杂与网络化系统研究中心客座教授,电气工程与计算机科学领域靠前知名作者,著有《非线性规划》《网络优化》《凸优化》等十几本畅销教材和专著。本书的目的是考虑大型且具有挑战性的多阶段决策问题,这些问题原则上可以通过动态规划和很优控制来解决,但它们的准确解决方案在计算上是难以处理的。本书讨论依赖于近似的解决方法,以产生具有足够性能的次优策略。这些方法统称为增强学习,也可以叫做近似动态规划和神经动态规划等。
本书的主题产生于很优控制和人工智能思想的相互作用。本书的目的之一是探索这两个领域之间的共同边界,并架设一座具有任一领域背景的专业人士都可以访问的桥梁。
"

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP