強化學習與隨機優化

本書旨在介紹近年來作者在強化學習和隨機優 化交叉領域的研究成果，主要內容包括隨機優化的 定量穩定性分析，求解多階段隨機優化的新型情景 樹生成、約減方法，機會約束規劃問題的模型轉換 、凸逼近與求解，非平穩強化學習的樣本覆雜度與 泛化能力分析，隨機優化和強化學習的統一模型及 其基本性質，風險厭惡馬氏決策過程與強化學習， 分布魯棒機會約束馬氏決策過程及其轉換與求解算 法設計，連續狀態集合、連續動作集合下無限智能 體的連續時間平均場強化學習問題的性質與Actor－ Critic型求解算法，以及強化學習在多期投資組合 選擇中的應用。本書的目的是幫助讀者掌握如何應 用強化學習或隨機優化來處理不確定環境下的覆雜 動態決策問題、如何開展強化學習和隨機優化的交 叉研究，以便他們能夠盡快進入相應研究領域的前 沿。