首页--交通运输论文--公路运输论文--汽车工程论文--各种汽车论文--专用汽车论文

基于多Agent系统的自主式地面车辆关键技术研究

摘要第1-8页
Abstract第8-14页
第1章 绪论第14-27页
   ·引言第14页
   ·分布式人工智能第14-17页
     ·概述第14-16页
     ·分布式人工智能系统的特征与基本问题第16-17页
   ·多AGENT系统概述第17-18页
   ·自主式地面车辆研究概况第18-23页
     ·自主式地面车辆关键技术第19-20页
     ·国外研究进展第20-22页
     ·国内研究进展第22-23页
   ·多AGENT系统技术对自主式地面车辆发展的意义第23-25页
   ·论文主要研究内容及目标第25-27页
第2章 AGENT与多AGENT系统第27-41页
   ·AGENT理论基础第27-30页
     ·Agent的概念和特征第27-28页
     ·Agent的种类第28-30页
   ·BDI意识模型第30-35页
     ·语法定义第31-32页
     ·信念属性(Belief)第32-33页
     ·愿望属性(Desire)第33-34页
     ·意图属性(Intention)第34-35页
   ·多AGENT系统原理第35-36页
   ·多AGENT系统研究内容第36-39页
     ·多Agent系统的体系结构第36页
     ·多Agent系统的协调、协作与协商第36-37页
     ·多Agent系统的通信机制第37-38页
     ·多Agent系统的学习第38-39页
   ·多AGENT系统的前景第39-40页
   ·本章小结第40-41页
第3章 基于多AGENT的自主式地面车辆体系结构第41-57页
   ·分层递阶式体系结构第41-43页
     ·结构框架第41-42页
     ·主要功能第42-43页
   ·包容式体系结构第43-45页
     ·结构框架第43-44页
     ·主要功能第44-45页
   ·分布式多AGENT体系结构第45-46页
   ·基于多AGENT的ALV体系结构第46-55页
     ·研究现状第46-47页
     ·ALV意识属性维护模型第47-50页
     ·ALV体系结构设计第50-55页
   ·多AGENT体系结构功能评价准则第55-56页
   ·本章小结第56-57页
第4章 全局路径规划AGENT第57-77页
   ·基于地图的全局路径规划第57-58页
   ·AGENT学习方法第58-65页
     ·机器学习的定义与特点第58-59页
     ·监督学习第59-61页
     ·无监督学习第61-63页
     ·强化学习第63-65页
   ·改进递阶强化学习第65-68页
     ·递阶强化学习拓扑结构第65-67页
     ·递阶强化学习策略优化的改进第67-68页
   ·基于强化学习的全局路径规划AGENT第68-72页
     ·APP系统结构第68-69页
     ·模糊神经网络设计第69-71页
     ·强化学习和预报模块设计第71-72页
   ·全局路径规划AGENT仿真实验第72-76页
     ·仿真方案设计第72-73页
     ·仿真实验及结果分析第73-76页
   ·本章小结第76-77页
第5章 局部路径规划AGENT第77-95页
   ·局部路径规划相关算法第77-80页
     ·栅格法第77-78页
     ·势场法第78-80页
   ·基于滚动窗口的局部路径规划AGENT第80-91页
     ·滚动窗口算法设计第80-82页
     ·基于滚动窗口的势场栅格法第82-91页
   ·ALV导航控制算法第91-93页
   ·本章小结第93-95页
第6章 基于可组态的人机交互AGENT第95-110页
   ·组态软件概况第95-96页
   ·人机交互AGENT开发环境设计第96-99页
     ·图形组态总体设计第96-98页
     ·数据组态总体设计第98-99页
   ·人机交互AGENT运行环境设计第99-102页
   ·人机交互AGENT数据库设计第102-109页
     ·组态数据库的设计开发第102-106页
     ·历史数据库的设计开发第106-109页
   ·本章小结第109-110页
总结与展望第110-113页
致谢第113-114页
参考文献第114-123页
攻读博士学位期间发表的论文第123-125页

论文共125页,点击 下载论文
上一篇:角膜后部多形性营养不良合并高度近视病例分析
下一篇:青光眼住院手术患者的构成及变化趋势分析