| 目录 | 第1-9页 |
| 摘要 | 第9-10页 |
| Abstract | 第10-12页 |
| 1 绪论 | 第12-24页 |
| ·研究背景和意义 | 第12页 |
| ·进化神经网络的间接编码方法研究现状 | 第12-19页 |
| ·文法规则方法 | 第13-14页 |
| ·细胞指令方法 | 第14-16页 |
| ·基因调控网络方法 | 第16-18页 |
| ·结构模式生成方法 | 第18-19页 |
| ·自主智能体路径规划的发展现状 | 第19-23页 |
| ·传统路径规划方法 | 第20-21页 |
| ·智能路径规划方法 | 第21-23页 |
| ·论文组织与安排 | 第23-24页 |
| 2 脉冲神经网络的基本理论 | 第24-35页 |
| ·脉冲神经元模型 | 第24-27页 |
| ·Hodgkin-Huxley 神经元模型 | 第24-25页 |
| ·FitzHugh-Nagumo 神经元模型 | 第25-26页 |
| ·Izhikevich 神经元模型 | 第26-27页 |
| ·Integrate-and-Fire 神经元模型 | 第27页 |
| ·脉冲神经网络的结构 | 第27-30页 |
| ·前馈型结构 | 第27-28页 |
| ·递归型结构 | 第28-29页 |
| ·同步发放链结构 | 第29页 |
| ·液态机 | 第29-30页 |
| ·脉冲神经网络的模拟策略 | 第30-32页 |
| ·时钟驱动模拟策略 | 第30-31页 |
| ·事件驱动模拟策略 | 第31-32页 |
| ·脉冲序列信息编码方案 | 第32-35页 |
| ·Time to First 脉冲编码 | 第33页 |
| ·相位编码 | 第33-34页 |
| ·同步编码 | 第34页 |
| ·群体编码 | 第34-35页 |
| 3 进化脉冲神经网络的路径规划方法 | 第35-57页 |
| ·基因调控网络模型 | 第35-37页 |
| ·加权矩阵模型 | 第36-37页 |
| ·脉冲神经网络的发育方法 | 第37-40页 |
| ·细胞分裂树的生成 | 第37-38页 |
| ·脉冲神经元的生成 | 第38-39页 |
| ·神经连接的生成 | 第39-40页 |
| ·脉冲神经网络的进化算法 | 第40-41页 |
| ·实验环境及参数设置 | 第41-45页 |
| ·自然场景 | 第41-42页 |
| ·自主智能体 | 第42-43页 |
| ·适应值函数 | 第43页 |
| ·实验参数设置 | 第43-45页 |
| ·静态环境的实验结果与分析 | 第45-52页 |
| ·脉冲神经网络规模分析 | 第45-47页 |
| ·基因调控网络参数分析 | 第47-48页 |
| ·两类变异算子比较分析 | 第48-50页 |
| ·自主智能体参数分析 | 第50-52页 |
| ·动态环境的实验结果与分析 | 第52-57页 |
| ·脉冲神经网络规模分析 | 第53-54页 |
| ·运动障碍物参数分析 | 第54-57页 |
| 4 进化脉冲神经网络的生命周期学习 | 第57-64页 |
| ·生命周期学习 | 第57-58页 |
| ·脉冲神经网络的学习规则 | 第58-60页 |
| ·STDP 的学习规则 | 第58-59页 |
| ·STDP 的数学模型 | 第59-60页 |
| ·生命周期学习的作用分析 | 第60-64页 |
| ·静态场景的实验结果与分析 | 第60-62页 |
| ·动态场景的实验结果与分析 | 第62-64页 |
| 5 总结与展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71页 |