| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.1.1 课题研究背景 | 第10-11页 |
| 1.2 智能车路径规划算法发展概述 | 第11-19页 |
| 1.2.1 智能车国内外研究现状 | 第12-14页 |
| 1.2.2 全局路径规划算法概述 | 第14-16页 |
| 1.2.3 局部路径规划算法概述 | 第16-19页 |
| 1.3 本文研究内容及章节安排 | 第19-21页 |
| 第2章 强化学习及蚁群算法理论知识概述 | 第21-32页 |
| 2.1 强化学习算法 | 第21-26页 |
| 2.1.1 强化学习基本思想 | 第21页 |
| 2.1.2 强化学习基本原理 | 第21-23页 |
| 2.1.3 马尔科夫决策过程 | 第23-26页 |
| 2.1.4 强化学习在路径规划问题中的发展及应用 | 第26页 |
| 2.2 蚁群算法基本理论 | 第26-30页 |
| 2.2.1 蚁群算法基本思想 | 第26-27页 |
| 2.2.2 蚂蚁觅食基本原理 | 第27-28页 |
| 2.2.3 蚁群算法的数学模型 | 第28-30页 |
| 2.3 本章小结 | 第30-32页 |
| 第3章 基于改进蚁群算法与Q学习结合的静态路径规划 | 第32-45页 |
| 3.1 引言 | 第32页 |
| 3.2 传统Q学习算法 | 第32-34页 |
| 3.3 算法的改进 | 第34-37页 |
| 3.3.1 蚁群算法的改进 | 第34-35页 |
| 3.3.2 改进蚁群与Q学习算法结合 | 第35-36页 |
| 3.3.3 算法收敛性分析 | 第36-37页 |
| 3.4 仿真分析 | 第37-44页 |
| 3.4.1 环境建模 | 第37页 |
| 3.4.2 静态路径规划仿真研究 | 第37-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于模糊控制的改进蚁群算法与Q学习结合的动态路径规划 | 第45-58页 |
| 4.1 引言 | 第45页 |
| 4.2 基于模糊控制的蚁群Q学习算法 | 第45-51页 |
| 4.2.1 模糊控制基本思想 | 第45-46页 |
| 4.2.2 动作空间和回报函数 | 第46页 |
| 4.2.3 基于模糊推理系统控制局部信息素挥发因子ε | 第46-50页 |
| 4.2.4 基于模糊控制的改进蚁群Q学习结合算法流程 | 第50-51页 |
| 4.3 仿真分析 | 第51-57页 |
| 4.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间主要成果 | 第64-65页 |
| 致谢 | 第65页 |
