第一章  引言
  第一节  强化学习概述
  第二节  本书研究的背景和意义
  第三节  强化学习的应用领域
第二章  自适应函数近似技术
  第一节  传统函数近似技术的实验评估
  第二节  访问频率与特征分布
  第三节  基于Kanerva自适应机制的函数逼近技术
  第四节  本章小结
第三章  基于模糊逻辑的函数近似技术
  第一节  Kanerva编码应用于困难实例的实验评估
  第二节  Kanerva编码中的原型冲突
  第三节  自适应模糊Kanerva编码
  第四节  原型调整
  第五节  本章小结
第四章  基于粗糙集理论的函数近似技术
  第一节  不同数量原型影响的实验评估
  第二节  粗糙集和Kanerva编码
  第三节  基于粗糙集的Kanerva编码
  第四节  不同初始原型数量的影响
  第五节  本章小结
第五章  强化学习函数近似技术的应用：认知无线电网络
  第一节  概述
  第二节  基于强化学习的认知无线电
  第三节  实验模拟
  第四节  基于强化学习的认知无线电函数近似技术
  第五节  本章小结
参考文献