| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| ·引言 | 第11页 |
| ·多机器人系统研究的发展 | 第11-14页 |
| ·多机器人运动控制国内外研究现状 | 第14-16页 |
| ·避障的基本方法 | 第14-15页 |
| ·编队的基本方法 | 第15-16页 |
| ·学习的基本方法 | 第16页 |
| ·本文的主要工作 | 第16-17页 |
| ·本文的组织结构 | 第17-19页 |
| 第二章 增强学习基本原理及应用 | 第19-25页 |
| ·引言 | 第19页 |
| ·增强学习的基本原理 | 第19-21页 |
| ·增强学习的基本结构 | 第19-20页 |
| ·马尔可夫决策过程 | 第20页 |
| ·动作的选择策略 | 第20-21页 |
| ·增强学习的基本算法 | 第21-24页 |
| ·TD算法 | 第21-22页 |
| ·Q学习算法 | 第22-23页 |
| ·Sarsa算法 | 第23页 |
| ·DYNA算法 | 第23-24页 |
| ·增强学习的应用 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于激光传感器的动态拟合避障控制 | 第25-39页 |
| ·引言 | 第25页 |
| ·控制策略 | 第25-32页 |
| ·避障控制策略 | 第25-30页 |
| ·编队控制策略 | 第30-32页 |
| ·仿真实验 | 第32-38页 |
| ·实验一 未知环境下机器人避开单个动态障碍仿真实验 | 第32-34页 |
| ·实验二 未知环境下机器人避开多个动态障碍仿真实验 | 第34-36页 |
| ·实验三 多机器人编队避开多个障碍 | 第36-38页 |
| ·结论 | 第38-39页 |
| 第四章 局部加权kNN-TD增强学习的机器人运动控制 | 第39-48页 |
| ·引言 | 第39页 |
| ·局部加权kNN-TD增强学习的机器人运动控制 | 第39-43页 |
| ·状态感知 | 第39-41页 |
| ·基于局部加权k近邻的状态空间分类 | 第41页 |
| ·动作选择策略 | 第41-42页 |
| ·kNN-TD算法 | 第42-43页 |
| ·仿真实验 | 第43-47页 |
| ·三种算法比较实验 | 第43-45页 |
| ·局部加权kNN-TD增强学习算法学习速度验证 | 第45-47页 |
| ·结论 | 第47-48页 |
| 第五章 基于局部加权kNN-TD异步多机器人交互学习 | 第48-54页 |
| ·引言 | 第48页 |
| ·本章算法 | 第48-51页 |
| ·局部加权kNN-TD算法 | 第48-49页 |
| ·全局通信下基于局部加权kNN-TD算法的多机器人交互学习 | 第49-50页 |
| ·局部通信下基于局部加权kNN-TD算法的多机器人交互学习 | 第50-51页 |
| ·仿真实验 | 第51-53页 |
| ·全局通信下多机器人交互学习 | 第51-52页 |
| ·局部通信下多机器人交互学习 | 第52-53页 |
| ·结论 | 第53-54页 |
| 第六章 总结和展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·进一步的研究工作 | 第54-56页 |
| 参考文献 | 第56-63页 |
| 致谢 | 第63-64页 |
| 附录 | 第64-65页 |
