| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 附图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题的研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·多机器人系统的发展现状 | 第12-15页 |
| ·强化学习的发展现状 | 第15页 |
| ·基于强化学习的多机器人协作的发展现状 | 第15-17页 |
| ·本文的主要内容和各章节安排 | 第17-19页 |
| 第2章 多机器人协作的研究内容 | 第19-26页 |
| ·多机器人协作与协调 | 第19-20页 |
| ·多机器人协作与协调的描述 | 第19页 |
| ·多机器人协作与协调之间的关系 | 第19-20页 |
| ·多机器人协作的分类方式 | 第20-22页 |
| ·根据群体特征的分类方式 | 第20页 |
| ·根据多机器人系统的协作的分类方式 | 第20-22页 |
| ·多机器人协作的研究方法 | 第22-23页 |
| ·协商与反应式方法 | 第22页 |
| ·分布式人工智能 | 第22-23页 |
| ·学习与进化方法 | 第23页 |
| ·协作机器人学研究的主要问题及应用领域 | 第23-25页 |
| ·协作机器人学的研究内容 | 第23-24页 |
| ·多机器人协作的应用领域 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 强化学习 | 第26-35页 |
| ·强化学习介绍 | 第26-28页 |
| ·强化学习的原理与模型 | 第26-27页 |
| ·学习系统的类型 | 第27-28页 |
| ·强化学习的组成要素 | 第28-29页 |
| ·强化学习的主要算法 | 第29-33页 |
| ·蒙特卡罗算法(Monte Carlo method) | 第29-30页 |
| ·时序差分算法(temporal difference) | 第30-32页 |
| ·Q学习算法 | 第32-33页 |
| ·Sarsa 学习算法 | 第33页 |
| ·本章小结 | 第33-35页 |
| 第4章 基于动作预测的强化学习在多机器人协作中的应用 | 第35-47页 |
| ·引言 | 第35页 |
| ·动作预测 | 第35-36页 |
| ·基于动作预测的强化学习算法 | 第36-40页 |
| ·多机器人预测强化学习的模型框架 | 第36-37页 |
| ·算法的描述 | 第37-38页 |
| ·算法的框架 | 第38-39页 |
| ·概率预测函数 | 第39-40页 |
| ·仿真实验 | 第40-46页 |
| ·实验设置 | 第40-41页 |
| ·强化学习单元 | 第41-43页 |
| ·实验结果与分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 动态环境中的多机器人协同搬运 | 第47-56页 |
| ·引言 | 第47页 |
| ·Q ( )学习算法 | 第47-48页 |
| ·基于Q学习的 BDI 协作模型 | 第48-51页 |
| ·基于权重的行为机制 | 第50页 |
| ·基于Q学习的行为权重 | 第50-51页 |
| ·距离最近原则 | 第51页 |
| ·仿真实验 | 第51-55页 |
| ·实验场景 | 第51页 |
| ·强化学习单元 | 第51-53页 |
| ·实验结果与分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 附录A 攻读硕士学位期间参与的科研项目与发表的学术论文 | 第62页 |
