目录摘要.............................................................................................................（1）前言.............................................................................................................（3）第1章绪论..................................................................................................（4）第1.1节研究背景........................................................................................（4）第1.2节主要工作........................................................................................（4）第1.3节本文结构........................................................................................（5）第2章基于策略梯度的强化学习方法.........................................................（6）第2.1节强化学习........................................................................................（6）第2.1.1节强化学习原理............................................................................（6）第2.1.2节马尔科夫决策过程....................................................................（7）第2.2节基于策略梯度的强化学习方法.....................................................（8）第2.3节本章小结........................................................................................（9）第3章几种常见的基于策略梯度的强化学习方法...................................（10）第3.1节信赖域策略优化的强化学习方法...............................................（11）第3.2节深度确定性策略梯度的强化学习方法.......................................（11）第3.3节异步优势行动者-评论家强化学习方法.....................................（12）第3.4节本章小结......................................................................................（12）第4章几种策略梯度方法性能比较..........................................................（14）第4.1节DDPG...........................................................................................（14）第4.2节A3C..............................................................................................（15）第4.3节TRPO............................................................................................（16）第4.4节本章小结......................................................................................（17）第5章总结................................................................................................（18）参考文献.......................................................................................................（19）致谢.............................................................................................................（20）摘要强化学习目前已经成为计算机领域中研究热点之一，很多计算机研究者也投身于该领域中寻求最优的强化学习算法来解决现实生活中的问题。目前有许多有关于寻求最优的强化学习的方法，有基于模型的动态规划法，也有无模型的强化学习方法。而基于策略梯度的强化学习方法也是学者们深入了解学习的方法之一。本文主要是在理解策略搜索方法的基础上学习策略梯度方法，之后研究了解几种基于策略梯度的强化学习方法，这里举例了TRPO、DDPG和A3C这三种策略梯度的方法，研究分析这三种方法，通过实验来对他们的性能进行比较。关键词:强化学习；策略搜索；策略梯度；TRPO；DDPG；A3CAbstractReinforcementlearninghasbecomeahottopicinthefieldofcomputer，manycomputerresearchershavealsodevotedthemselvestofindingthebestreinforcementlearningalgorithminthisfieldtosolvereallifeproblems.Atprese...
