動(dòng)態(tài)規(guī)劃與最優(yōu)控制：近似動(dòng)態(tài)規(guī)劃（第Ⅱ卷）

第1章 折扣問(wèn)題——理論
1.1 總費(fèi)用最小化——介紹
1.1.1 有限階段動(dòng)態(tài)規(guī)劃算法
1.1.2 符號(hào)簡(jiǎn)寫與單調(diào)性
1.1.3 無(wú)窮階段結(jié)果的預(yù)覽
1.1.4 隨機(jī)的和依賴歷史的策略
1.2 折扣問(wèn)題——各階段費(fèi)用有界
1.3 調(diào)度與多柄老虎機(jī)問(wèn)題
1.3.1 項(xiàng)目的指標(biāo)
1.3.2 項(xiàng)目逐個(gè)退出策略
1.4 折扣連續(xù)時(shí)間問(wèn)題
1.5 壓縮映射的作用
1.5.1 極大模壓縮
1.5.2 折扣問(wèn)題——單階段費(fèi)用無(wú)界
1.6 折扣動(dòng)態(tài)規(guī)劃的一般形式
1.6.1 壓縮與單調(diào)性的基本結(jié)論
1.6.2 折扣動(dòng)態(tài)博弈
1.7 注釋、參考文獻(xiàn)及習(xí)題
習(xí)題
第2章 折扣問(wèn)題——計(jì)算方法
2.1 馬爾可夫決策問(wèn)題
2.2 值迭代
2.2.1 值迭代的單調(diào)誤差界
2.2.2 值迭代的變形
2.2.3 Q-學(xué)習(xí)
2.3 策略迭代
2.3.1 針對(duì)費(fèi)用的策略迭代
2.3.2 Q-因子的策略迭代
2.3.3 樂觀策略迭代
2.3.4 有限前瞻策略和滾動(dòng)
2.4 線性規(guī)劃方法
2.5 一般折扣問(wèn)題的方法
2.5.1 采用近似的有限前瞻策略
2.5.2 推廣的值迭代
2.5.3 近似值迭代
2.5.4 推廣的策略迭代
2.5.5 推廣的樂觀策略迭代
2.5.6 近似策略迭代
2.5.7 數(shù)學(xué)規(guī)劃
2.6 異步方法
2.6.1 異步值迭代
2.6.2 異步策略迭代
2.6.3 具有均一不動(dòng)點(diǎn)的策略迭代
2.7 注釋、資源和習(xí)題
習(xí)題
第3章 隨機(jī)最短路問(wèn)題
3.1 問(wèn)題建模
3.2 主要結(jié)論
3.3 基本壓縮性質(zhì)
3.4 值迭代
3.4.1 有限步終止的條件
3.4.2 異步值迭代
3.5 策略迭代
3.5.1 樂觀策略迭代
3.5.2 近似策略迭代
3.5.3 具有不合適策略的策略迭代
3.5.4 具有均一不動(dòng)點(diǎn)的異步策略迭代
3.6 可數(shù)狀態(tài)問(wèn)題
3.7 注釋、資源和習(xí)題
習(xí)題
第4章 無(wú)折扣問(wèn)題
4.1 每階段的費(fèi)用無(wú)界
4.1.1 主要結(jié)論
4.1.2 值迭代
4.1.3 其他計(jì)算方法
4.2 線性系統(tǒng)和二次費(fèi)用
4.3 庫(kù)存控制
4.4 最優(yōu)停止
4.5 最優(yōu)博弈策略
4.6 連續(xù)時(shí)間問(wèn)題——排隊(duì)的控制
4.7 非平穩(wěn)和周期性問(wèn)題
4.8 注釋、資源和習(xí)題
習(xí)題
第5章 每階段平均費(fèi)用問(wèn)題
5.1 有限空間平均費(fèi)用模型
5.1.1 與折扣費(fèi)用問(wèn)題的關(guān)系
5.1.2 Blackwell 最優(yōu)策略
5.1.3 最優(yōu)性條件
5.2 所有初始狀態(tài)的平均費(fèi)用相等的條件
5.3 值迭代
5.3.1 單鏈值迭代
5.3.2 多鏈值迭代
5.4 策略迭代
5.4.1 單鏈策略迭代
5.4.2 多鏈策略迭代
5.5 線性規(guī)劃
5.6 無(wú)窮空間平均費(fèi)用模型
5.6.1 最優(yōu)性的充分條件
5.6.2 有限狀態(tài)空間和無(wú)限控制空間
5.6.3 可數(shù)狀態(tài)——消失的折扣方法
5.6.4 可數(shù)狀態(tài)——壓縮方法
5.6.5 具有二次費(fèi)用的線性系統(tǒng)
5.7 注釋、資源和習(xí)題
習(xí)題
第6章 近似動(dòng)態(tài)規(guī)劃：折扣模型
6.1 基于仿真的費(fèi)用近似的一般性問(wèn)題
6.1.1 近似結(jié)構(gòu)
6.1.2 基于仿真的近似策略迭代
6.1.3 直接和間接近似
6.1.4 蒙特卡羅仿真
6.1.5 簡(jiǎn)化
6.2 直接策略評(píng)價(jià)——梯度法
6.3 策略評(píng)價(jià)的投影方程方法
6.3.1 投影貝爾曼方程
6.3.2 投影方程的矩陣形式
6.3.3 基于仿真的估計(jì)方法
6.3.4 LSTD、LSPE 和TD(0) 方法
6.3.5 樂觀版本
6.3.6 多步基于仿真的方法
6.3.7 提要
6.4 策略迭代問(wèn)題
6.4.1 基于幾何采樣的搜索增強(qiáng)
6.4.2 基于離線策略方法的搜索增強(qiáng)
6.4.3 策略振蕩——震顫
6.5 聚集方法
6.5.1 基于聚集問(wèn)題的費(fèi)用近似
6.5.2 通過(guò)增廣問(wèn)題的費(fèi)用近似
6.5.3 多步聚集
6.5.4 異步分布聚集
6.6 Q-學(xué)習(xí)
6.6.1 Q-學(xué)習(xí)：隨機(jī)值迭代算法
6.6.2 Q-學(xué)習(xí)和策略迭代
6.6.3 Q-因子近似和投影方程
6.6.4 最優(yōu)停止問(wèn)題的Q-學(xué)習(xí)
6.6.5 Q-學(xué)習(xí)和聚集
6.6.6 有限階段Q-學(xué)習(xí)
6.7 注釋、資源和習(xí)題
習(xí)題
第7章 近似動(dòng)態(tài)規(guī)劃：無(wú)折扣模型及推廣
7.1 隨機(jī)最短路問(wèn)題
7.2 平均費(fèi)用問(wèn)題
7.2.1 近似策略評(píng)價(jià)
7.2.2 近似策略迭代
7.2.3 平均費(fèi)用問(wèn)題的Q-學(xué)習(xí)
7.3 一般問(wèn)題和蒙特卡羅線性代數(shù)
7.3.1 投影方程
7.3.2 矩陣逆合迭代方法
7.3.3 多步方法
7.3.4 最優(yōu)停止的Q-學(xué)習(xí)的推廣
7.3.5 方程誤差方法
7.3.6 傾斜投影
7.3.7 推廣聚集
7.3.8 奇異線性系統(tǒng)的確定性方法
7.3.9 奇異線性系統(tǒng)的隨機(jī)方法
7.4 在策略空間的近似
7.4.1 梯度公式
7.4.2 通過(guò)仿真計(jì)算梯度
7.4.3 梯度評(píng)價(jià)的關(guān)鍵特征
7.4.4 策略和值空間的近似
7.5 注釋、資源和習(xí)題
習(xí)題
附錄A 動(dòng)態(tài)規(guī)劃中的測(cè)度論問(wèn)題
A.1 兩階段例子
A.2 可測(cè)問(wèn)題