| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·人工鱼研究背景 | 第8-11页 |
| ·人工生命和人工智能的概念 | 第8-11页 |
| ·人工智能与计算机动画 | 第11页 |
| ·人工鱼目前国内外研究现状 | 第11-15页 |
| ·基于行为建模的人工鱼 | 第12-14页 |
| ·基于认知建模的人工鱼 | 第14-15页 |
| ·本文主要研究内容 | 第15-16页 |
| ·论文组织 | 第16-18页 |
| 第二章 人工鱼的进化理论和方法 | 第18-33页 |
| ·人工鱼的DNA基因在计算机中的表现 | 第18-19页 |
| ·人工鱼的染色体 | 第19-20页 |
| ·人工鱼的进化形式 | 第20-27页 |
| ·人工鱼遗传 | 第21-25页 |
| ·人工鱼杂交 | 第25-26页 |
| ·人工鱼变异 | 第26-27页 |
| ·强化学习 | 第27-32页 |
| ·Markov决策过程 | 第28-29页 |
| ·强化学习模型与基本要素 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 人工鱼的认知模型和方法 | 第33-43页 |
| ·两面认知控制结构模型 | 第33-34页 |
| ·人工鱼高级行为规划 | 第34-37页 |
| ·捕食行为规划 | 第35-36页 |
| ·逃避行为规划 | 第36-37页 |
| ·人工鱼的运动模型 | 第37-40页 |
| ·内部状态 | 第37-39页 |
| ·运动模型 | 第39-40页 |
| ·人工鱼的嗅觉模型 | 第40-42页 |
| ·人工鱼嗅觉系统的设计 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 人工鱼的自学习方法和技术—TDBP | 第43-57页 |
| ·人工鱼自学习的特点 | 第43-45页 |
| ·人工鱼的先天行为 | 第43-44页 |
| ·人工鱼的后天行为 | 第44-45页 |
| ·基于人工神经网络的人工鱼自学习系统 | 第45-48页 |
| ·BP网络 | 第45-48页 |
| ·基于TD强化学习的BP网络模型 | 第48-56页 |
| ·TD方法 | 第48-54页 |
| ·TD学习方法特例-Q学习 | 第49-50页 |
| ·Q函数 | 第50-52页 |
| ·学习Q算法收敛性证明 | 第52-54页 |
| ·TDBP模型 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 基于TDBP自学习模型的人工鱼系统实现与测试分析 | 第57-67页 |
| ·开发环境与开发工具 | 第57页 |
| ·系统设计与实现 | 第57-60页 |
| ·仿真平台的主界面 | 第57-59页 |
| ·TDBP自学习法的主要代码 | 第59-60页 |
| ·测试案列与仿真参数分析 | 第60-66页 |
| ·人工鱼躲避不可预知的障碍物和捕食者 | 第60-62页 |
| ·人工鱼躲避障碍物和捕食者实验参数分析 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间公开发表的论文 | 第72-73页 |
| 致谢 | 第73-74页 |
| 详细摘要 | 第74-76页 |