基于强化学习的无人机空中格斗算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 课题研究背景 | 第8-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 空战决策理论研究现状 | 第13-15页 |
| 1.2.2 强化学习研究现状 | 第15-17页 |
| 1.3 本文的主要研究内容 | 第17-19页 |
| 第2章 强化学习理论 | 第19-36页 |
| 2.1 强化学习及其理论基础 | 第19-25页 |
| 2.1.1 马尔科夫决策过程模型 | 第19-21页 |
| 2.1.2 强化学习的基本原理及模型 | 第21-23页 |
| 2.1.3 强化学习的组成要素 | 第23-25页 |
| 2.2 典型强化学习模型 | 第25-33页 |
| 2.2.1 强化学习算法的目的 | 第25-26页 |
| 2.2.2 瞬时差分算法 | 第26-29页 |
| 2.2.3 Q学习算法 | 第29-30页 |
| 2.2.4 Sarsa算法 | 第30页 |
| 2.2.5 自适应启发评价算法 | 第30-32页 |
| 2.2.6 分层强化学习 | 第32-33页 |
| 2.3 强化学习的应用领域 | 第33-35页 |
| 2.3.1 优化控制中应用 | 第33-34页 |
| 2.3.2 机器人领域的应用 | 第34页 |
| 2.3.3 调度控制领域的应用 | 第34-35页 |
| 2.3.4 人工智能问题求解中的应用 | 第35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 基于动机引导的强化学习算法研究 | 第36-43页 |
| 3.1 动机引导强化学习 | 第36-38页 |
| 3.1.1 基本思想 | 第36-37页 |
| 3.1.2 算法描述 | 第37-38页 |
| 3.2 基于模拟退火的动机引导强化学习 | 第38-39页 |
| 3.2.1 基本思想 | 第38页 |
| 3.2.2 算法描述 | 第38-39页 |
| 3.3 实验设计及结果分析 | 第39-42页 |
| 3.3.1 实验环境 | 第39-41页 |
| 3.3.2 实验参数设置 | 第41页 |
| 3.3.3 结果分析 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于强化学习的无人机格斗算法研究 | 第43-56页 |
| 4.1 引言 | 第43-44页 |
| 4.2 无人机格斗环境描述 | 第44-50页 |
| 4.2.1 系统的状态和输入 | 第44-45页 |
| 4.2.2 动机与可选动作集合 | 第45-48页 |
| 4.2.3 目标状态和回报函数的定义 | 第48-50页 |
| 4.3 基于强化学习的无人机格斗算法设计 | 第50-53页 |
| 4.3.1 网络结构设计 | 第50-51页 |
| 4.3.2 神经网络训练 | 第51-52页 |
| 4.3.3 生成训练样本 | 第52页 |
| 4.3.4 算法步骤 | 第52-53页 |
| 4.4 结果分析 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62页 |
