| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·分层强化学习 | 第10-12页 |
| ·值函数逼近 | 第12-13页 |
| ·存在的不足和研究内容 | 第13-14页 |
| ·论文结构 | 第14-15页 |
| 第二章 强化学习概述 | 第15-37页 |
| ·引言 | 第15-16页 |
| ·马尔可夫决策过程(MARKOVIAN DECISION PROBLEM) | 第16-18页 |
| ·强化学习的基本算法 | 第18-32页 |
| ·动态规划法 | 第18-22页 |
| ·蒙特卡罗(Monte Carlo,MC)方法 | 第22-26页 |
| ·时序差分(Temporal-Difference,TD)方法 | 第26-32页 |
| ·半马尔科夫决策过程 | 第32-34页 |
| ·分层强化(HIERARCHICAL REINFORCEMENT LEARNING,HRL)学习主要方法 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于禁忌状态的OPTION自动构造 | 第37-54页 |
| ·引言 | 第37页 |
| ·子任务自动构造方法 | 第37-39页 |
| ·禁忌搜索 | 第39-40页 |
| ·OPTION子目标搜索 | 第40-43页 |
| ·基于tabu的路径抽取 | 第41-42页 |
| ·OPTION子目标发现 | 第42-43页 |
| ·OPTION起始状态搜索 | 第43-44页 |
| ·内部策略学习和终止条件 | 第44-45页 |
| ·仿真实验结果 | 第45-47页 |
| ·OPTION内部策略学习 | 第47-53页 |
| ·基于经验重放OPTION内部策略学习 | 第48-49页 |
| ·仿真实验 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 连续空间自适应模糊Q学习 | 第54-71页 |
| ·引言 | 第54-56页 |
| ·模糊推理系统和模糊神经网络 | 第56-58页 |
| ·AFQL强化学习的框架 | 第58-60页 |
| ·模糊神经网络结构学习 | 第60-61页 |
| ·模糊神经网络参数调整 | 第61-63页 |
| ·AFQL决策输出 | 第63-64页 |
| ·算法流程 | 第64-65页 |
| ·仿真算例 | 第65-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 基于AFQL的室内机器人导航仿真研究 | 第71-82页 |
| ·引言 | 第71-73页 |
| ·机器人仿真和建模 | 第73页 |
| ·室内导航仿真实验 | 第73-81页 |
| ·本章小结 | 第81-82页 |
| 总结与展望 | 第82-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-96页 |
| 附录:作者在攻读博士学位期间发表的论文 | 第96页 |
