| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-26页 |
| ·动态规划的基本理论 | 第12-16页 |
| ·离散系统的动态规划 | 第13-14页 |
| ·连续系统的动态规划 | 第14-16页 |
| ·动态规划的挑战 | 第16页 |
| ·近似动态规划的基本理论 | 第16-24页 |
| ·近似动态规划的原理 | 第17-18页 |
| ·近似动态规划的分类 | 第18-22页 |
| ·近似动态规划的发展现状 | 第22-24页 |
| ·本文的主要工作 | 第24-26页 |
| 第二章 带有广义性能指标函数的非线性无模型多目标近似动态规划 | 第26-46页 |
| ·引言 | 第26页 |
| ·多目标最优控制的基础 | 第26-27页 |
| ·多目标近似动态规划方法 | 第27-35页 |
| ·无模型增量Q学习方法 | 第35-39页 |
| ·增量Q学习方法的推导 | 第35-37页 |
| ·增量Q学习神经网络实现 | 第37-39页 |
| ·收敛性分析 | 第39-41页 |
| ·仿真示例 | 第41-43页 |
| ·本章小结 | 第43-46页 |
| 第三章 基于非线性贪婪HDP迭代算法的新型无限时间最优跟踪控制 | 第46-70页 |
| ·引言 | 第46页 |
| ·问题描述 | 第46-48页 |
| ·基于贪婪HDP迭代算法的最优跟踪控制 | 第48-56页 |
| ·系统变换 | 第48-49页 |
| ·贪婪HDP迭代算法的推导 | 第49-55页 |
| ·算法的过程 | 第55-56页 |
| ·最优跟踪控制的神经网络实现 | 第56-58页 |
| ·模型网络 | 第56-57页 |
| ·评判网络 | 第57-58页 |
| ·执行网络 | 第58页 |
| ·仿真 | 第58-69页 |
| ·时不变目标跟踪 | 第59-64页 |
| ·时变轨迹跟踪 | 第64-69页 |
| ·本章小结 | 第69-70页 |
| 第四章 基于迭代ADP算法的一类非线性零和微分对策 | 第70-112页 |
| ·引言 | 第70-71页 |
| ·基础知识和假设 | 第71-73页 |
| ·零和微分对策的迭代近似动态规划算法 | 第73-93页 |
| ·迭代近似动态规划算法的推导 | 第73-77页 |
| ·算法的过程 | 第77-79页 |
| ·迭代ADP算法的性质 | 第79-93页 |
| ·神经网络实现 | 第93-98页 |
| ·模型网络 | 第93-94页 |
| ·评判网络 | 第94-96页 |
| ·执行网络 | 第96-98页 |
| ·仿真 | 第98-111页 |
| ·本章小结 | 第111-112页 |
| 第五章 基于ADP算法的一类时滞离散非线性系统最优控制 | 第112-132页 |
| ·引言 | 第112页 |
| ·基础知识 | 第112-113页 |
| ·迭代ADP算法的性质 | 第113-123页 |
| ·迭代ADP算法的推导 | 第114-116页 |
| ·迭代ADP算法的性质 | 第116-122页 |
| ·迭代ADP算法的实现步骤 | 第122-123页 |
| ·迭代ADP算法的神经网络实现 | 第123-126页 |
| ·模型网络 | 第123-124页 |
| ·M网络 | 第124页 |
| ·评判网络 | 第124-125页 |
| ·执行网络 | 第125-126页 |
| ·仿真 | 第126-130页 |
| ·状态时滞非线性系统的最优控制 | 第126-128页 |
| ·带有状态时滞和控制时滞的非线性系统最优控制 | 第128-130页 |
| ·本章小结 | 第130-132页 |
| 第六章 基于动态规划的一类离散时间时滞非线性系统的最优控制 | 第132-156页 |
| ·引言 | 第132页 |
| ·基本原理和假设 | 第132-134页 |
| ·非线性时滞系统的最优控制 | 第134-151页 |
| ·时滞最优控制的推导 | 第134-135页 |
| ·时滞最优控制的性质 | 第135-139页 |
| ·时滞最优控制的解 | 第139-140页 |
| ·收敛性分析 | 第140-150页 |
| ·满足HJB方程 | 第150-151页 |
| ·仿真 | 第151-153页 |
| ·本章小结 | 第153-156页 |
| 第七章 问题与展望 | 第156-158页 |
| 参考文献 | 第158-172页 |
| 攻读博士学位期间的研究成果 | 第172-174页 |
| 致谢 | 第174-176页 |
| 个人简历 | 第176-178页 |
| 附件 | 第178页 |
