VIP20

本课程属于：015-规划控制算法 自动驾驶 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

复杂场景下决策算法精讲

📚 共计 30 章节

01

决策算法概述

定义、分类、应用场景与挑战。

基础导论

02

马尔可夫决策过程

状态、动作、奖励、转移概率与折扣因子。

MDP核心

03

动态规划

策略迭代与值迭代的数学原理与实现。

规划经典

04

蒙特卡洛方法

基于采样的价值估计与策略评估。

采样无模型

05

时序差分学习

TD(0)、Sarsa与Q-learning的推导与对比。

TDQ学习

06

深度Q网络

神经网络拟合Q函数、经验回放与目标网络。

DQN深度

07

策略梯度方法

REINFORCE算法与基线技巧。

策略梯度

08

Actor-Critic架构

优势函数与A2C/A3C算法。

AC优势

09

近端策略优化

PPO的裁剪目标与信任区域。

PPO稳定

10

多臂老虎机

探索-利用困境与UCB、Thompson采样。

Bandit探索

11

上下文老虎机

LinUCB与个性化推荐场景。

Context推荐

12

贝叶斯优化

高斯过程与采集函数（EI、PI、UCB）。

贝叶斯优化

13

博弈论基础

纳什均衡、零和博弈与虚拟博弈。

博弈多智能体

14

多智能体强化学习

独立学习、联合动作与通信机制。

MARL协作

15

模仿学习

行为克隆与逆强化学习。

IL演示

16

逆强化学习

最大熵IRL与学徒学习。

IRL奖励

17

分层强化学习

选项框架与分层抽象。

HRL抽象

18

模型预测控制

基于模型的规划与交叉熵方法。

MPC规划

19

不确定性量化

贝叶斯神经网络与集成方法。

不确定性BNN

20

安全强化学习

约束MDP与安全层设计。

安全约束

21

离线强化学习

保守Q学习与策略约束。

离线CQL

22

元学习

MAML与模型无关的快速适应。

Meta快速

23

探索策略

计数探索、好奇心驱动与随机网络蒸馏。

探索好奇心

24

注意力机制在决策中的应用

Transformer决策模型。

AttentionTransformer

25

图神经网络在决策中的应用

关系推理与图策略。

GNN关系

26

因果推断与决策

反事实推理与Do演算。

因果反事实

27

鲁棒决策

对抗训练与分布外泛化。

鲁棒OOD

28

可解释决策

注意力可视化与奖励分解。

可解释可视化

29

大规模决策系统

分布式训练与推理优化。

分布式系统

30

前沿趋势

大语言模型驱动的决策、世界模型与通用智能体。

前沿LLM