| 第1章 绪论 | 第1-29页 |
| ·引言 | 第11-13页 |
| ·强化学习的发展历史和研究现状 | 第13-17页 |
| ·分布式强化学习的研究现状 | 第17-24页 |
| ·中央强化学习 | 第18页 |
| ·独立强化学习 | 第18-19页 |
| ·群体强化学习 | 第19-21页 |
| ·社会强化学习 | 第21-22页 |
| ·分布式强化学习研究中亟待解决的问题 | 第22-24页 |
| ·多机器人学的研究现状 | 第24-26页 |
| ·本文的研究目的和意义 | 第26页 |
| ·本文研究内容和主要贡献 | 第26-27页 |
| ·本文研究内容 | 第26-27页 |
| ·主要贡献 | 第27页 |
| ·本文的组织结构 | 第27-29页 |
| 第2章 强化学习理论基础 | 第29-42页 |
| ·引言 | 第29页 |
| ·TD学习算法 | 第29-34页 |
| ·TD学习算法的基本原理 | 第30-31页 |
| ·TD(0)、TD(1)与TD(λ) | 第31-34页 |
| ·Q学习算法 | 第34-41页 |
| ·Q学习算法的基本原理 | 第34-35页 |
| ·Q学习的算法步骤 | 第35-37页 |
| ·Q学习的动作选择机制 | 第37-38页 |
| ·Q(λ)学习算法 | 第38-40页 |
| ·Q学习的神经网络实现 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第3章 分布式强化学习系统的体系结构研究 | 第42-47页 |
| ·引言 | 第42页 |
| ·分布式强化学习系统的体系结构框架 | 第42-46页 |
| ·中央强化学习系统 | 第42-43页 |
| ·独立强化学习系统 | 第43-44页 |
| ·群体强化学习系统 | 第44-46页 |
| ·社会强化学习系统 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第4章 分布式强化学习系统的结构信度分配研究 | 第47-71页 |
| ·引言 | 第47-48页 |
| ·竞争型独立强化学习系统的结构信度分配方法 | 第48-50页 |
| ·协同型分布式强化学习结构信度分配问题的形式化描述 | 第50-53页 |
| ·结构信度分配问题的基本框架 | 第50-52页 |
| ·T表中行向量及其行号的相互变换 | 第52页 |
| ·T表的排序方法 | 第52-53页 |
| ·协同型分布式强化学习系统的结构信度分配方法 | 第53-70页 |
| ·基本算法 | 第53-56页 |
| ·非合理强化机制下的结构信度分配方法的理论基础 | 第56-58页 |
| ·非合理强化机制下的结构信度分配问题的简化 | 第58-59页 |
| ·非线性规划子问题的求解方法 | 第59-61页 |
| ·仿真实验 | 第61-66页 |
| ·不完整T表的处理 | 第66-70页 |
| ·本章小结 | 第70-71页 |
| 第5章 独立强化学习系统研究 | 第71-88页 |
| ·引言 | 第71页 |
| ·独立强化学习系统中的信息共享 | 第71-79页 |
| ·独立强化学习系统中的状态信息共享 | 第71-75页 |
| ·独立强化学习系统中的经验共享 | 第75-78页 |
| ·独立强化学习系统中的策略共享 | 第78-79页 |
| ·独立强化学习系统的状态空间划分 | 第79-87页 |
| ·栅格空间的有色轨道划分方法 | 第80-84页 |
| ·基于状态分量重要性的状态空间划分方法 | 第84-87页 |
| ·本章小结 | 第87-88页 |
| 第6章 群体强化学习系统研究 | 第88-106页 |
| ·引言 | 第88-89页 |
| ·群体强化学习方法的理论基础 | 第89-97页 |
| ·群体强化学习方法框架 | 第89-92页 |
| ·群体强化学习基本算法 | 第92-93页 |
| ·群体强化学习算法的收敛性 | 第93-97页 |
| ·采用预测法加快群体强化学习算法的收敛速度 | 第97-101页 |
| ·基本思想 | 第98-99页 |
| ·预测动作以加快群体强化学习算法的收敛速度 | 第99-100页 |
| ·预测状态以加快群体强化学习算法的收敛速度 | 第100-101页 |
| ·仿真实验 | 第101-105页 |
| ·实验场景 | 第101-103页 |
| ·学习系统的状态、动作与强化机制定义 | 第103-104页 |
| ·实验结果 | 第104-105页 |
| ·本章小结 | 第105-106页 |
| 第7章 分布式强化学习在多机器人中的应用实例 | 第106-123页 |
| ·引言 | 第106页 |
| ·仿真系统的结构框架 | 第106-113页 |
| ·仿真系统的总体设计 | 第106-110页 |
| ·实验场景 | 第110-113页 |
| ·艏向建议单元的实现方法 | 第113-114页 |
| ·避碰学习单元的实现方法 | 第114-115页 |
| ·状态定义 | 第114-115页 |
| ·动作定义 | 第115页 |
| ·强化信号定义 | 第115页 |
| ·编队学习单元的实现方法 | 第115-118页 |
| ·状态定义 | 第115-117页 |
| ·动作定义 | 第117页 |
| ·强化信号定义 | 第117-118页 |
| ·策略融合单元的实现方法 | 第118页 |
| ·实验结果 | 第118-122页 |
| ·本章小结 | 第122-123页 |
| 结论 | 第123-125页 |
| 参考文献 | 第125-135页 |
| 攻读博士学位期间发表的论文 | 第135-136页 |
| 致谢 | 第136页 |