奚宏生 周如益 高阳 张虎 唐昊 曹志新 陈曦 谭小彬 王皓 殷保群 周亚平 黄永皓 高旭东 袁继彬 陈栋 吴玉华 孙德敏 李衍杰 代桂平 周雷

最优性方程 最优平稳策略 策略迭代 半马尔可夫决策过程 马尔可夫决策过程 策略优化 并行仿真 并行仿真算法 灵敏度分析 平均代价模型 软件产品 最优解的存在性 G-学习 仿真优化 神经元动态规划 遗忘因子 仿真 优化 TD（λ）学习 平均代价准则 数值迭代 连续时间Markov控制过程 TD（0）学习 紧致行动集 灵敏度估计 半Markov决策过程 GM1排队系统 应用软件 Markov控制过程 Markov决策过程