周雷 程文娟 奚宏生 殷保群 吴玉华 袁继彬 韩江洪 代桂平 丁丽洁 万海峰 陈栋 高旭东 周亚平 赵东坡 李衍杰

Q学习 平均代价准则 最优平稳策略 一致化Markov链 闭排队网络 仿真优化 性能势 并行仿真算法 在线优化 紧致行动集 等价Markov过程 Microwindows TD（λ）学习 折扣模型 TD（0）学习 性能函数 数值迭代 平均模型 多Agent强化学习 神经元动态规划 半Markov决策过程 SQLite数据库 接线图 策略迭代 策略优化 GUI 遗忘因子 Look-ahead控制 Markov决策过程 随机平稳策略

中国科学技术大学自动化系 合肥工业大学计算机与信息学院 安徽合肥 合肥工业大学计算机系 安全关键工业测控技术教育部工程研究中心 中国科技大学管理科学系 北京工业大学电子信息与控制学院 北京100022中国科学技术大学自动化系