非马尔可夫决策过程中强化学习技术研究与应用

项目主要研究非马尔可夫决策过程中的强化学习技术和应用。主要研究内容包括：采用神经网络模型学习部分可感知马尔可夫决策过程（POMDP）的感知函数，从而研究高效的、可应用在POMDP中的强化学习算法；对于连续状态MDP模型，将研究在增量学习中满足收敛性的、一种新的函数估计模型，并将其应用在连续MDP的强化学习算法中；对于半马尔可夫决策过程（SMDP）的强化学习，本项目将致力于学习过程中自主发现子目标，从而建立分层的强化学习框架；并在分层强化学习框架中结合符号知识，以提高强化学习的收敛速度。项目理论研究成果将应用在Web用户分类、行为预测以及面向领域的搜索引擎技术中。