基于神经网络的进化机器人行为集成方法的研究
| 1 概论 | 第1-25页 |
| 1．1 引言 | 第10页 |
| 1．2 遗传算法及其应用 | 第10-11页 |
| 1．3 并行遗传算法 | 第11-12页 |
| 1．4 进化神经网络 | 第12-13页 |
| 1．5 进化机器人概述 | 第13-14页 |
| 1．6 进化机器人的结构 | 第14-17页 |
| 1．7 一些案例的研究 | 第17-19页 |
| 1．7．1 遗传编程 | 第17页 |
| 1．7．2 界面智能体 | 第17页 |
| 1．7．3 种族自适应遗传算法 | 第17-18页 |
| 1．7．4 进化Khepera机器人 | 第18页 |
| 1．7．5 现场和体现研究 | 第18-19页 |
| 1．8 基于进化神经网络的机器人行为模型 | 第19-23页 |
| 1．9 结论与进一步研究方向 | 第23-25页 |
| 2 进化设计人工神经网络 | 第25-36页 |
| 2．1 引言 | 第25-26页 |
| 2．2 L-系统 | 第26-28页 |
| 2．2．1 串编码拓扑 | 第27页 |
| 2．2．2 产生式规则 | 第27-28页 |
| 2．3 并行遗传算法 | 第28-32页 |
| 2．3．1 遗传编码 | 第28-29页 |
| 2．3．2 并行进化 | 第29-31页 |
| 2．3．3 算法分析 | 第31-32页 |
| 2．4 仿真结果 | 第32-35页 |
| 2．5 结论 | 第35-36页 |
| 3 基于竞争协作机制进化BP神经网络 | 第36-45页 |
| 3．1 引言 | 第36页 |
| 3．2 CPCA基本框架 | 第36-38页 |
| 3．2．1 进化单个种族S_i的算法流程 | 第37页 |
| 3．2．2 系统总体流程 | 第37-38页 |
| 3．3 进化BP网络 | 第38-39页 |
| 3．4 进化BP网络的学习效率曲线 | 第39-43页 |
| 3．4．1 BP算法及分析 | 第40-42页 |
| 3．4．2 连续学习效率曲线 | 第42-43页 |
| 3．5 实验结果 | 第43-44页 |
| 3．6 结论 | 第44-45页 |
| 4 基于神经网络的进化机器人行为切换方法研究 | 第45-57页 |
| 4．1 引言 | 第45-46页 |
| 4．2 模型设计 | 第46-49页 |
| 4．2．1 模拟环境 | 第47页 |
| 4．2．2 机器人模型 | 第47-48页 |
| 4．2．3 GA与模拟器的关系 | 第48-49页 |
| 4．3 避碰行为设计 | 第49-53页 |
| 4．3．1 避碰网络结构与编码 | 第49-50页 |
| 4．3．2 避碰适应值函数的定义 | 第50-51页 |
| 4．3．3 避碰GA算子参数设置 | 第51-52页 |
| 4．3．4 避碰模拟运行结果与分析 | 第52-53页 |
| 4．4 趋近行为设计 | 第53-54页 |
| 4．4．1 趋近网络结构与编码 | 第53页 |
| 4．4．2 趋近GA参数设置 | 第53-54页 |
| 4．4．3 趋近模拟运行结果与分析 | 第54页 |
| 4．5 行为切换设计 | 第54-56页 |
| 4．5．1 行为切换神经网络及编码 | 第55页 |
| 4．5．2 GA参数设置 | 第55-56页 |
| 4．5．3 模拟运行结果及分析 | 第56页 |
| 4．6 结论 | 第56-57页 |
| 5 基于神经网络的进化机器人高级组合行为方法研究 | 第57-71页 |
| 5．1 引言 | 第57-58页 |
| 5．2 模型设计 | 第58-60页 |
| 5．2．1 模拟环境 | 第58页 |
| 5．2．2 机器人模型 | 第58-59页 |
| 5．2．3 GA与模拟参数的关系 | 第59-60页 |
| 5．3 沿壁行为 | 第60-62页 |
| 5．3．1 沿壁行为设计 | 第60页 |
| 5．3．2 沿壁行为GA参数设置 | 第60-61页 |
| 5．3．3 沿壁行为模拟运行结果与分析 | 第61-62页 |
| 5．4 组合行为 | 第62-65页 |
| 5．4．1 行为设计 | 第62-63页 |
| 5．4．2 GA参数的设置 | 第63-64页 |
| 5．4．3 增强设计 | 第64页 |
| 5．4．4 结果与分析 | 第64-65页 |
| 5．5 小结与展望 | 第65-67页 |
| 附图 | 第67-71页 |
| 6 基于神经网络的进化机器人编队方法研究 | 第71-84页 |
| 6．1 引言 | 第71页 |
| 6．2 研究背景 | 第71-73页 |
| 6．3 编队与参照方法 | 第73-75页 |
| 6．4 基于马达模式的编队控制 | 第75-82页 |
| 6．4．1 神经网络与GA算法 | 第78页 |
| 6．4．2 马达模式模拟 | 第78-80页 |
| 6．4．3 转弯的马达模式性能 | 第80-81页 |
| 6．4．4 含障碍物的马达模式性能 | 第81-82页 |
| 6．5 结论 | 第82-84页 |
| 7 基于生长神经网络的进化机器人行为研究 | 第84-94页 |
| 7．1 引言 | 第84-85页 |
| 7．2 进化机器人目标设计 | 第85-86页 |
| 7．3 生长神经网络 | 第86-88页 |
| 7．4 模拟仿真 | 第88-92页 |
| 7．5 结果分析 | 第92-93页 |
| 7．6 小结 | 第93-94页 |
| 8 结束语 | 第94-96页 |
| 参考文献 | 第96-104页 |
| 在读期间发表的论文 | 第104-105页 |
