江琦 袁继彬 贺汉根 席裕庚 陈焕文 殷保群 丁丽洁 李平 李江红 程文娟 谢丽娟 谢建平 顾冬雷 徐陈锋 陈卫东 周雷 唐昊 奚宏生 韩伟 胡照文 徐昕 宋春跃 殷苌茗

Q学习 激励学习 梯度估计 近似最优 Q学习 梯度下降 随机逼近 超级节点 基于行为 自适应决策 在线优化 神经元动态规划 策略迭代 性能势 机器智能 梯度算法 策略优化 有效跟踪 折扣奖赏 分层非结构化P2P 强化学习 值函数逼近 有偏极大似然估计器 动态规划 TD（0）学习 Bellman方程 平均奖赏 CMAC 自主机器人 随机切换模型

Q学习 激励学习