基于强化学习的多机器人围捕策略的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 引言 | 第8-11页 |
| ·课题的研究背景 | 第8-9页 |
| ·追捕-逃跑问题 | 第8-9页 |
| ·强化学习 | 第9页 |
| ·本文的研究内容 | 第9页 |
| ·本文的组织 | 第9-11页 |
| 第二章 强化学习 | 第11-20页 |
| ·强化学习概述 | 第11页 |
| ·MARKOV 决策过程 | 第11-12页 |
| ·强化学习系统的结构模型 | 第12-13页 |
| ·强化学习系统的基本要素 | 第13页 |
| ·瞬时差分算法 | 第13-14页 |
| ·Q 学习 | 第14-15页 |
| ·Q 学习算法 | 第14-15页 |
| ·Q 学习算法的收敛性分析 | 第15页 |
| ·分层强化学习算法 | 第15-19页 |
| ·半马尔可夫决策过程SMDP | 第16页 |
| ·Option 方法 | 第16-18页 |
| ·HAM 方法 | 第18-19页 |
| ·MAXQ 方法 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 基于OPTION 方法的多机人围捕策略 | 第20-27页 |
| ·状态空间及机器人动作的离散化 | 第20页 |
| ·围捕成功条件 | 第20-21页 |
| ·基于Q 学习的围捕策略 | 第21-23页 |
| ·奖赏函数 | 第21-22页 |
| ·动作选择 | 第22页 |
| ·Q 学习过程 | 第22-23页 |
| ·OPTION 方法实现围捕策略 | 第23-25页 |
| ·Option 抽象 | 第23页 |
| ·基于Option 的分层设计 | 第23-25页 |
| ·围捕算法 | 第25页 |
| ·本章小节 | 第25-27页 |
| 第四章 算法仿真 | 第27-34页 |
| ·仿真环境 | 第27-28页 |
| ·机器人避障策略 | 第28-29页 |
| ·行为综合 | 第29-30页 |
| ·参数设置 | 第30页 |
| ·基于Q 学习方法的围捕算法仿真结果 | 第30-31页 |
| ·基于OPTION 方法的围捕策略仿真结果 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第五章 结论及展望 | 第34-35页 |
| 参考文献 | 第35-38页 |
| 致谢 | 第38-39页 |
| 在学期间公开发表论文及著作情况 | 第39页 |
