| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 机器人学习方法概述 | 第11-12页 |
| 1.2.1 基于模型的机器人学习方法 | 第11-12页 |
| 1.2.2 无关模型的机器人学习方法 | 第12页 |
| 1.3 机器人模仿学习概述 | 第12-20页 |
| 1.3.1 模仿学习的流程 | 第13页 |
| 1.3.2 模仿学习的示教方法 | 第13-14页 |
| 1.3.3 模仿学习行为表征的方法 | 第14-15页 |
| 1.3.4 模仿学习的国内外研究现状 | 第15-19页 |
| 1.3.5 模仿学习的局限性 | 第19-20页 |
| 1.4 评价指标概述 | 第20-21页 |
| 1.5 本文的研究内容及组织结构 | 第21-24页 |
| 第2章 单次示教下模仿学习算法优化 | 第24-38页 |
| 2.1 引言 | 第24页 |
| 2.2 基于高斯混合模型的模仿学习的表达 | 第24-29页 |
| 2.2.1 基于高斯混合模型的模仿学习的实现 | 第24-27页 |
| 2.2.2 基于高斯混合模型的模仿学习的分析 | 第27-29页 |
| 2.3 基于多中心聚类与遗传算法的高斯混合模型优化 | 第29-33页 |
| 2.3.1 多中心聚类与遗传算法 | 第29-30页 |
| 2.3.2 基于多中心聚类的EM算法初值确定 | 第30-31页 |
| 2.3.3 基于遗传算法的模仿学习表征参数优化 | 第31-33页 |
| 2.4 实验研究与结果分析 | 第33-37页 |
| 2.4.1 实验描述与参数设置 | 第33页 |
| 2.4.2 实验仿真与结果分析 | 第33-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 多次示教下多约束模仿学习优化算法的构建与实现 | 第38-52页 |
| 3.1 引言 | 第38页 |
| 3.2 多约束模仿学习优化算法 | 第38-40页 |
| 3.2.1 多约束优化问题概述 | 第38-39页 |
| 3.2.2 基于高斯分布乘积的多约束优化问题的构建与求解 | 第39-40页 |
| 3.2.3 基于多约束优化思想的模仿学习优化算法的实现 | 第40页 |
| 3.3 基于层次分析法的模仿学习评价模型的构建与实现 | 第40-46页 |
| 3.3.1 层次分析法 | 第41-42页 |
| 3.3.2 模仿学习评价指标集的构建 | 第42-43页 |
| 3.3.3 指标规范化 | 第43-44页 |
| 3.3.4 构建模仿学习评价模型 | 第44-45页 |
| 3.3.5 模仿学习方案评价 | 第45-46页 |
| 3.3.6 基于层次分析法的模仿学习评价模型实现流程 | 第46页 |
| 3.4 实验研究与结果分析 | 第46-51页 |
| 3.4.1 实验描述与参数设置 | 第47页 |
| 3.4.2 实验仿真与结果分析 | 第47-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于集对分析的多约束模仿学习方案决策 | 第52-72页 |
| 4.1 引言 | 第52页 |
| 4.2 集对分析法 | 第52-54页 |
| 4.2.1 集对分析理论的起源 | 第52页 |
| 4.2.2 集对分析法概述 | 第52-53页 |
| 4.2.3 集对分析法流程 | 第53-54页 |
| 4.3 基于集对分析的多约束模仿学习方案决策 | 第54-60页 |
| 4.3.1 基于集对分析的多约束模仿学习方案决策可行性分析 | 第54-55页 |
| 4.3.2 构建多约束模仿学习方案决策指标集 | 第55-56页 |
| 4.3.3 指标规范化 | 第56页 |
| 4.3.4 确定最优和最劣方案 | 第56-57页 |
| 4.3.5 求解各方案的集对联系度 | 第57-58页 |
| 4.3.6 判定多约束模仿学习最优方案 | 第58页 |
| 4.3.7 排序稳定性分析 | 第58-60页 |
| 4.4 基于集对分析的多约束模仿学习方案决策实现流程 | 第60-61页 |
| 4.5 实验研究与结果分析 | 第61-70页 |
| 4.5.1 实验描述与参数设置 | 第61页 |
| 4.5.2 实验仿真与结果分析 | 第61-70页 |
| 4.6 本章小结 | 第70-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间所发表的学术论文 | 第78-80页 |
| 致谢 | 第80页 |
