基于强化学习的多机器人气味源搜索
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-11页 |
| 第一章 绪论 | 第11-24页 |
| ·课题背景和意义 | 第11-12页 |
| ·气味的传播以及气味的传播机理 | 第12-13页 |
| ·气味源定位的研究环境 | 第13-14页 |
| ·气味源定位策略 | 第14-21页 |
| ·烟羽发现 | 第15-17页 |
| ·烟羽横越/烟羽跟踪 | 第17-19页 |
| ·气味源确认 | 第19-21页 |
| ·气味源定位研究的主要困难 | 第21-22页 |
| ·本文主要研究内容 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第二章 基于强化学习的多机器人烟羽跟踪算法介绍 | 第24-36页 |
| ·强化学习介绍 | 第24-27页 |
| ·基本强化学习算法 | 第24-27页 |
| ·典型强化学习存在的问题 | 第27页 |
| ·多智能体强化学习 | 第27-30页 |
| ·分布式强化学习 | 第28-29页 |
| ·分布式强化学习系统中的状态信息共享 | 第29页 |
| ·分布式强化学习系统中的策略共享 | 第29-30页 |
| ·强化学习中的部分感知问题 | 第30-33页 |
| ·部分感知环境下基于共享的独立强化学习算法 | 第33-35页 |
| ·基于策略共享的多机器人群体强化学习方法 | 第33页 |
| ·查找最相似节点 | 第33-34页 |
| ·智能体基于模拟退火理论的动作选择 | 第34页 |
| ·投票选举要执行的动作 | 第34-35页 |
| ·更新Q值函数 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第三章 气味源定位仿真环境构建 | 第36-57页 |
| ·气味源定位常用烟羽模型简介 | 第36-40页 |
| ·Farrell基于细丝的大气扩散模型 | 第37-39页 |
| ·Li Wei三维烟羽模型 | 第39-40页 |
| ·李飞二维烟羽模型 | 第40页 |
| ·室内通风环境下的烟羽模型构建 | 第40-55页 |
| ·CFD数值计算方法 | 第41-43页 |
| ·仿真风场构建 | 第43-54页 |
| ·速度脉动与浓度计算 | 第54-55页 |
| ·气体传感器响应和恢复模型 | 第55页 |
| ·基于风场模型和烟羽模型的仿真环境框架 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 多机器人气味源定位仿真 | 第57-76页 |
| ·仿真实验环境设置 | 第57-59页 |
| ·气味源搜索中基于共享的多机器人强化学习模型 | 第59-63页 |
| ·机器人的状态空间划分 | 第60-61页 |
| ·机器人群体动作 | 第61-62页 |
| ·奖励函数 | 第62-63页 |
| ·基于独立动作的强化学习搜索算法中的状态设置 | 第63页 |
| ·多机器人气味源搜索仿真 | 第63-75页 |
| ·强化学习算法在室外烟羽模型下的仿真及分析 | 第63-71页 |
| ·强化学习算法在室内烟羽模型下的仿真及分析 | 第71-74页 |
| ·仿真总结 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 发表论文和参加科研情况说明 | 第83-84页 |
| 致谢 | 第84页 |
