| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 课题相关领域研究现状 | 第10-14页 |
| 1.2.1 路径规划方法研究现状 | 第10-12页 |
| 1.2.2 探索利用平衡问题研究现状 | 第12-13页 |
| 1.2.3 路径规划问题的难点 | 第13-14页 |
| 1.3 论文内容及组织结构 | 第14-15页 |
| 第2章 路径规划方法及强化学习算法 | 第15-31页 |
| 2.1 引言 | 第15页 |
| 2.2 传统路径规划算法 | 第15-20页 |
| 2.2.1 组合式规划 | 第15-18页 |
| 2.2.2 采样式规划 | 第18-20页 |
| 2.3 强化学习算法 | 第20-30页 |
| 2.3.1 强化学习基本框架 | 第20-22页 |
| 2.3.2 强化学习典型方法 | 第22-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于时间差分方法的路径规划 | 第31-44页 |
| 3.1 引言 | 第31-32页 |
| 3.2 基于时间差分的路径规划 | 第32-38页 |
| 3.2.1 时间差分法基本思想 | 第32-35页 |
| 3.2.2 SARSA和Q-learning | 第35-38页 |
| 3.3 基于成功率的探索方法 | 第38-41页 |
| 3.3.1 探索与利用平衡问题 | 第39-40页 |
| 3.3.2 动态调整探索因子 | 第40-41页 |
| 3.4 基于成功率的探索方法与时间差分法的结合 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 仿真实验及结果分析 | 第44-59页 |
| 4.1 引言 | 第44页 |
| 4.2 仿真实验说明 | 第44-46页 |
| 4.3 实验结果及分析 | 第46-58页 |
| 4.3.1 无模型方法在路径规划中的实验 | 第46-52页 |
| 4.3.2 基于成功率的探索方法的Q（γ）-learning | 第52-58页 |
| 4.4 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65页 |