摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第10-16页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 国内外研究现状与分析 | 第11-14页 |
1.2.1 移动机器人路径技术研究现状 | 第11-13页 |
1.2.2 强化学习在移动机器人中的方法研究现状 | 第13-14页 |
1.3 本文研究内容及结构安排 | 第14-16页 |
第二章 预备知识 | 第16-27页 |
2.1 强化学习简介 | 第16-20页 |
2.1.1 马尔可夫决策过程(MDP) | 第16-17页 |
2.1.2 策略的评价 | 第17-18页 |
2.1.3 动作的选择方式 | 第18-20页 |
2.2 强化学习算法 | 第20-26页 |
2.2.1 瞬时差分方法 | 第20-21页 |
2.2.2 Q-learning算法 | 第21-25页 |
2.2.3 Sarsa学习方法 | 第25-26页 |
2.3 强化学习应用中的关键问题 | 第26页 |
2.4 本章小结 | 第26-27页 |
第三章 实验环境介绍 | 第27-32页 |
3.1 实验环境介绍 | 第27-31页 |
3.1.1 系统硬件结构 | 第27-28页 |
3.1.2 系统软件结构 | 第28-29页 |
3.1.3 移动机器人行动控制原理 | 第29页 |
3.1.4 移动机器人的编码器 | 第29页 |
3.1.5 编码器旋转位移量的计算方法 | 第29-31页 |
3.2 模型框架介绍 | 第31页 |
3.3 本章小结 | 第31-32页 |
第四章 基于任务的附加奖励函数的Q-learning模型 | 第32-47页 |
4.1 环境状态的定义 | 第32页 |
4.2 动作离散化 | 第32-34页 |
4.3 声纳数据的模糊化处理 | 第34-35页 |
4.4 声呐不稳定的处理 | 第35-37页 |
4.4.1 ARIMA模型 | 第36-37页 |
4.5 奖励函数的设计 | 第37-42页 |
4.5.1 基础奖励函数的设计 | 第37-39页 |
4.5.2 基于任务的附加奖励函数 | 第39-42页 |
4.6 基于目标的附加奖励函数的移动机器人避障导航实验 | 第42-46页 |
4.6.1 实验流程 | 第42-43页 |
4.6.2 实验结果分析 | 第43-46页 |
4.7 本章小结 | 第46-47页 |
第五章 基于Q-learning的混合Dyna模型 | 第47-61页 |
5.1 Dyna基础算法 | 第47-49页 |
5.2 小脑算术计算(CMAC)神经网络 | 第49-50页 |
5.3 队列优先机制 | 第50-52页 |
5.4 启发式动作选择机制 | 第52-54页 |
5.5 基于目标的动作值函数初始化 | 第54-55页 |
5.6 基于混合Dyna框架的Q-learning算法及实验 | 第55-58页 |
5.6.1 混合Dyna算法 | 第55-57页 |
5.6.2 基于混合Dyna框架的Q-learning算法及实验 | 第57-58页 |
5.7 本章小结 | 第58-61页 |
第六章 结语与展望 | 第61-63页 |
6.1 总结 | 第61-62页 |
6.2 展望 | 第62-63页 |
致谢 | 第63-64页 |
参考文献 | 第64-69页 |
作者在学期间取得的学术成果 | 第69页 |