基于深度强化学习的室内移动机器人路径规划研究
| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 变量注释表 | 第16-19页 |
| 1 绪论 | 第19-27页 |
| 1.1 概述 | 第19-22页 |
| 1.2 机器人路径规划研究现状 | 第22-25页 |
| 1.3 本文研究内容 | 第25-27页 |
| 2 强化学习算法 | 第27-55页 |
| 2.1 强化学习八要素 | 第27-28页 |
| 2.2 马尔科夫决策过程 | 第28-29页 |
| 2.3 基于值函数的强化学习算法 | 第29-39页 |
| 2.4 基于策略的强化学习方法 | 第39-54页 |
| 2.5 本章小结 | 第54-55页 |
| 3 深度强化学习算法 | 第55-69页 |
| 3.1 深度学习算法 | 第55-59页 |
| 3.2 深度强化学习算法 | 第59-67页 |
| 3.3 本章小结 | 第67-69页 |
| 4 基于DRL的室内路径规划算法改进 | 第69-87页 |
| 4.1 深度强化学习中的神经网络改进 | 第69-76页 |
| 4.2 结合迁移学习的DRL算法改进 | 第76-79页 |
| 4.3 基于DDPG的目标价值网络算法改进 | 第79-84页 |
| 4.4 基于异步方法的算法改进 | 第84-85页 |
| 4.5 本章小结 | 第85-87页 |
| 5 基于改进算法的实验过程 | 第87-129页 |
| 5.1 室内仿真环境搭建 | 第87-100页 |
| 5.2 室内机器人运动控制 | 第100-108页 |
| 5.3 基于改进算法的仿真 | 第108-126页 |
| 5.4 基于改进算法的场地测试 | 第126-127页 |
| 5.5 本章小结 | 第127-129页 |
| 6 总结与展望 | 第129-131页 |
| 6.1 总结 | 第129-130页 |
| 6.2 展望 | 第130-131页 |
| 参考文献 | 第131-135页 |
| 作者简历 | 第135-139页 |
| 学位论文数据集 | 第139页 |
