| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题研究的背景与意义 | 第9-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·论文研究的主要内容 | 第16-17页 |
| 第二章 支持向量机和强化学习 | 第17-28页 |
| ·支持向量机 | 第17-21页 |
| ·两类可分问题的线性分类机 | 第17-20页 |
| ·支持向量机的应用 | 第20-21页 |
| ·强化学习 | 第21-28页 |
| ·强化学习的基本原理和模型 | 第21-23页 |
| ·强化学习的特点及其主要组成要素 | 第23-25页 |
| ·强化学习的基本模型 | 第25-27页 |
| ·强化学习的应用 | 第27-28页 |
| 第三章 半监督支持向量机的路径规划 | 第28-40页 |
| ·基于支持向量机的路径规划 | 第28-35页 |
| ·建立支持向量机模型 | 第28-30页 |
| ·采用遗传算法选择参数C | 第30-33页 |
| ·基于支持向量机的路径规划算法 | 第33-35页 |
| ·基于半监督支持向量机的路径规划 | 第35-37页 |
| ·基于图的相似度矩阵的半监督伪标签学习算法 | 第35-36页 |
| ·基于半监督支持向量机的路径规划算法流程 | 第36-37页 |
| ·实验结果与分析 | 第37-40页 |
| 第四章 支持向量机和强化学习结合算法在避障路径规划问题上的研究 | 第40-49页 |
| ·Q学习 | 第40-42页 |
| ·基于最小二乘支持向量机的Q学习系统 | 第42-43页 |
| ·LS-SVMQ学习算法 | 第43-45页 |
| ·LS-SVMQ学习算法流程 | 第45-46页 |
| ·实验结果与分析 | 第46-49页 |
| 第五章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 在学研究成果 | 第53-54页 |
| 致谢 | 第54-55页 |