1. 研究目的与意义
1.1背景
强化学习（ReinforcementLearning，RL）有着相当长的历史，但直到80年代末90年代初，强化学习技术才在人工智能，机器学习中得到广泛应用。强化学习是一种从环境状态到行为映射的学习技术，强化学习的思想来自于条件反射理论和动物学习理论，它是受到动物学习过程启发而得到的一种仿生算法，是一种重要的机器学习方法。Agent通过对感知到的环境状态采取各种试探动作，获得环境状态的适合度评价值（通常是一个奖励或惩罚信号），从而修改自身的动作策略以获得较大的奖励或较小的惩罚，强化学习就是这样一种赋予Agent学习自适应性能力的方法。
1.2目的
2. 研究内容和预期目标
2.1 研究内容
2.1.1强化学习(ReinforcementLearning，RL)
(1)基本原理
3. 研究的方法与步骤
第一步，需要对格子世界系统进行需求分析，掌握其大致的功能需求。然后进行资源搜索，了解一些现有的课程管理系统的功能、界面等，与我的需求分析进行比较，查漏补缺，并对功能进行优化。然后进行功能定义，角色功能描述。
第二步，在对需求进行了大致分析后，进行概要设计，包括对总体功能的设计，主要功能的设计。与此同时，也可参考其他成熟的软件系统，以完善自己的设计。
第四步，进行详细设计，对各个功能的流程进行设计，达到简化流程，操作方便的目的。
4. 参考文献
[1]SinghS．Agentsandreinforcementlearning[M]．SanMatco，CA，USA：MillerfreemanpublishInc，1997．
[2]张汝波，顾国昌，刘照德．强化学习理论、算法及应用[J]．控制理论与控制应用，2000，17(5)：637-642．
[3]SuttonS，BartoG．ReinforcementLearning：AnIntroduction[M]．Cambridge，MA，USA：MITPress，1998．
5. 计划与进度安排
(1)2022.2.1 ----2022.3.10查阅资料,撰写开题报告
(2)2022.3.11 ----2022.3.18 需求分析,熟悉开发工具
(3)2022.3.19 ----2022.3.31 概要设计
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
