| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题的背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·多机器人系统研究现状 | 第11-12页 |
| ·机器学习研究现状 | 第12-13页 |
| ·机器学习在多机器人系统中应用现状 | 第13页 |
| ·本文的主要工作 | 第13-15页 |
| 第二章 机器学习基本理论 | 第15-24页 |
| ·强化学习算法 | 第15-18页 |
| ·强化学习原理 | 第15-16页 |
| ·Q学习算法 | 第16-17页 |
| ·探索策略 | 第17-18页 |
| ·人工神经网络基本理论 | 第18-23页 |
| ·人工神经网络模型 | 第18-19页 |
| ·BP神经网络 | 第19-23页 |
| ·本章小节 | 第23-24页 |
| 第三章 多机器人系统 | 第24-30页 |
| ·机器人小车动力学 | 第24-26页 |
| ·机器人体系结构 | 第26-27页 |
| ·多机器人系统体系结构 | 第27-29页 |
| ·本章小节 | 第29-30页 |
| 第四章 基于BP神经网络的Q学习算法研究与应用 | 第30-44页 |
| ·基于BP神经网络的Q学习算法 | 第30-32页 |
| ·基于BP神经网络的Q学习算法在多机器人避碰中的应用 | 第32-41页 |
| ·静态避障行为学习层 | 第33-37页 |
| ·动态避障行为学习层 | 第37-41页 |
| ·机器人之间的避碰研究 | 第41-43页 |
| ·本章小节 | 第43-44页 |
| 第五章 多机器人仿真系统设计和开发 | 第44-50页 |
| ·系统的需求分析 | 第44-45页 |
| ·用户需求分析 | 第44-45页 |
| ·可行性分析 | 第45页 |
| ·多机器人仿真实验平台的建立 | 第45-46页 |
| ·系统功能模块的设计 | 第46-49页 |
| ·本章小节 | 第49-50页 |
| 第六章 结论 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 在学研究成果 | 第53-54页 |
| 致谢 | 第54页 |