| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 移动机器人系统研究现状 | 第14-16页 |
| 1.2.1 轮式移动机器人研究现状 | 第14-15页 |
| 1.2.2 多机器人系统研究现状 | 第15-16页 |
| 1.3 移动机器人路径规划研究现状 | 第16-19页 |
| 1.3.1 全局路径规划研究现状 | 第16-17页 |
| 1.3.2 局部路径规划研究现状 | 第17-18页 |
| 1.3.3 完全覆盖路径规划研究现状 | 第18-19页 |
| 1.4 增强学习研究概况及在移动机器人路径规划中的应用 | 第19-22页 |
| 1.4.1 增强学习的研究概况 | 第19-22页 |
| 1.4.2 增强学习在移动机器人路径规划中的应用 | 第22页 |
| 1.5 本文主要研究内容与成果 | 第22-25页 |
| 第二章 基于神经网络与Q学习的机器人动态路径规划 | 第25-49页 |
| 2.1 受生物启发的神经网络方法 | 第25-28页 |
| 2.1.1 神经元细胞膜模型 | 第26-27页 |
| 2.1.2 受生物启发的神经网络方法 | 第27-28页 |
| 2.2 基于神经网络的改进Q学习算法 | 第28-37页 |
| 2.2.1 马尔科夫决策过程 | 第28-30页 |
| 2.2.2 移动机器人路径规划的MDP模型 | 第30-33页 |
| 2.2.3 基于 ε-greedy和Boltzmann的改进搜索策略 | 第33-35页 |
| 2.2.4 启发式的随机搜索策略 | 第35-36页 |
| 2.2.5 改进Q学习算法 | 第36-37页 |
| 2.3 基于NIQL和三次B样条的动态路径规划方法 | 第37-40页 |
| 2.3.1 三次B样条曲线 | 第37-38页 |
| 2.3.2 动态路径规划方法 | 第38-40页 |
| 2.4 仿真结果与分析 | 第40-47页 |
| 2.4.1 NIQL算法性能分析 | 第40-42页 |
| 2.4.2 移动机器人路径规划仿真结果与分析 | 第42-47页 |
| 2.5 本章小结 | 第47-49页 |
| 第三章 基于RRT和Q学习算法的机器人动态路径规划 | 第49-67页 |
| 3.1 RRT算法概述 | 第49-52页 |
| 3.1.1 RRT算法的基本原理 | 第49-51页 |
| 3.1.2 RRT算法优缺点分析 | 第51-52页 |
| 3.2 改进RRT算法 | 第52-53页 |
| 3.2.1 RRT-Con算法 | 第52页 |
| 3.2.2 RRT-GoalBias算法 | 第52-53页 |
| 3.3 基于Q学习的改进RRT算法 | 第53-60页 |
| 3.3.1 RRT算法的MDP模型 | 第53-55页 |
| 3.3.2 QRRT算法 | 第55-58页 |
| 3.3.3 基于滚动窗口与QRRT算法的移动机器人动态规划方法 | 第58-60页 |
| 3.4 仿真与分析 | 第60-65页 |
| 3.4.1 QRRT算法性能测试与分析 | 第60-62页 |
| 3.4.2 基于QRRT算法的动态路径规划方法性能测试 | 第62-65页 |
| 3.5 本章小结 | 第65-67页 |
| 第四章 多机器人系统完全覆盖路径规划 | 第67-89页 |
| 4.1 基于IGA的多机器人区域任务分配 | 第67-73页 |
| 4.1.1 遗传算法的基本原理 | 第67-68页 |
| 4.1.2 多机器人区域分配问题描述 | 第68-69页 |
| 4.1.3 改进遗传算法 | 第69-73页 |
| 4.2 基于LSPI算法的移动机器人避障规划 | 第73-78页 |
| 4.2.1 LSPI算法基本原理 | 第73-74页 |
| 4.2.2 移动机器人模型 | 第74-75页 |
| 4.2.3 移动机器人避障规划的MDP模型 | 第75-76页 |
| 4.2.4 基于LSPI算法的移动机器人避障规划 | 第76-78页 |
| 4.3 多机器人系统完全覆盖路径规划方法 | 第78-80页 |
| 4.4 仿真与分析 | 第80-87页 |
| 4.4.1 基于IGA算法的多机器人区域任务分配仿真与分析 | 第80-83页 |
| 4.4.2 基于LSPI的移动机器人避障规划算法仿真与分析 | 第83页 |
| 4.4.3 基于QRRT算法的机器人间避障规划仿真与分析 | 第83-85页 |
| 4.4.4 多机器人系统完全覆盖路径规划仿真与分析 | 第85-87页 |
| 4.5 本章小结 | 第87-89页 |
| 第五章 结论与展望 | 第89-91页 |
| 5.1 本文工作总结 | 第89-90页 |
| 5.2 研究展望 | 第90-91页 |
| 致谢 | 第91-93页 |
| 参考文献 | 第93-99页 |
| 作者在学期间取得的学术成果 | 第99-100页 |
| 附录A 缩写词全称对照 | 第100页 |
