近几年来,强化学习和学徒学习作为机器学习的两个子领域得到了极大的发展。在目前的强化学习技术中,报酬函数的自动构建是迫切需要解决的问题。对于学徒学习,首先要构建出专家的报酬函数才能从专家的演示轨迹中得到专家的控制策略。本论文的研究内容是报酬函数的自动构建问题,该问题被称为逆向强化学习问题。逆向强化学习的思想是在一个马尔可夫决策过程问题中,观察专家在其中的行为轨迹,并依据该专家轨迹还原或近似“还原”与其对应的专家报酬函数,解决了一些环境中不能具体描述报酬函数的问题。　　本文的研究内容分为两个方面。一方面将基于灵敏度的学习优化问题的思想与标准逆向强化学习相结合,得到一种基于灵敏度的逆向强化学习分析框架。该分析框架将报酬函数仅与状态有关的基本逆向强化学习推广到报酬函数不仅与状态有关而且与行动有关的情况。另一方面将逆向强化学习算法分为两大类,并对这两类方法加以比较。一类是在值函数空间内的方法,另一类是在策略空间内的方法,其中在值函数空间内的方法包括基于最大边际的逆向强化学习和基于多维权重的逆向强化学习,在策略空间内的方法为基于梯度的逆向强化学习。　　本文以带折扣因数的马尔可夫决策过程作为环境模型。以方格迷宫作为实验平台,验证了基于灵敏度的逆向强化学习分析框架的有效性和可行性。并在该实验平台上运行在值函数空间内和在策略空间内这两类逆向强化学习算法,通过比较实验结果总结出各方法的优缺点以及各自适应的环境。