| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 课题研究现状和发展趋势 | 第9-11页 |
| 1.3 课题研究内容 | 第11-12页 |
| 第二章 ROBOCUP中型足球机器人系统概述 | 第12-17页 |
| 2.1 中型组足球机器人的系统组成 | 第12-13页 |
| 2.2 中型组足球机器人的决策过程 | 第13-14页 |
| 2.2.1 多Agent全局决策过程 | 第13-14页 |
| 2.2.2 单机器人的运动决策过程 | 第14页 |
| 2.3 中型组足球机器人的运动控制 | 第14-16页 |
| 2.4 本章总结 | 第16-17页 |
| 第三章 强化学习理论和算法 | 第17-28页 |
| 3.1 强化学习概述 | 第17-18页 |
| 3.2 MARKOV决策过程 | 第18-21页 |
| 3.2.1 Markov链 | 第18-19页 |
| 3.2.2 Markov决策 | 第19-21页 |
| 3.3 TD(λ)学习算法 | 第21-22页 |
| 3.4 Q学习算法 | 第22-23页 |
| 3.5 函数逼近法 | 第23-27页 |
| 3.5.1 多层前馈神经网络 | 第24-26页 |
| 3.5.2 基于人工神经网络的强化学习算法 | 第26-27页 |
| 3.6 本章总结 | 第27-28页 |
| 第四章 强化学习在足球机器人行为控制中的应用 | 第28-46页 |
| 4.1 足球机器人截球模型 | 第28-29页 |
| 4.2 CMAC结构 | 第29-32页 |
| 4.3 基于CMAC的直接梯度强化学习算法 | 第32-33页 |
| 4.4 基于CMAC的强化学习在机器人截球上的实现 | 第33-35页 |
| 4.5 基于CMAC强化学习算法的改进 | 第35-41页 |
| 4.5.1 改进连续CMAC模型 | 第35-39页 |
| 4.5.2 基于连续CMAC的强化学习在机器人截球上的实现 | 第39-41页 |
| 4.6 机器人躲避动态障碍模型 | 第41-42页 |
| 4.7 基于并行连续CMAC的强化学习在机器人躲避动态障碍的实现 | 第42-45页 |
| 4.8 本章总结 | 第45-46页 |
| 第五章 基于强化学习的PID控制在目标趋近中的应用 | 第46-55页 |
| 5.1 足球机器人目标趋近模型 | 第46-48页 |
| 5.2 ACTOR-CRITIC算法原理 | 第48-50页 |
| 5.3 基于ACTOR-CRITIC学习的PID算法 | 第50-51页 |
| 5.4 基于ACTOR-CRITIC的PID算法在机器人目标趋近上的实现 | 第51-54页 |
| 5.5 本章总结 | 第54-55页 |
| 第六章 结论与展望 | 第55-56页 |
| 6.1 主要结论 | 第55页 |
| 6.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录A | 第59-66页 |
| 附录B | 第66-74页 |
| 附录C | 第74-78页 |
| 在学期间的研究成果 | 第78-79页 |
| 致谢 | 第79页 |
