基于进化算法的智能机器人行为学习研究
| 第1章 绪论 | 第1-18页 |
| ·引言 | 第11-13页 |
| ·自主行为实现方法的研究现状 | 第13-14页 |
| ·进化机器人技术的提出和意义 | 第14-16页 |
| ·本文的主要工作 | 第16-18页 |
| 第2章 进化算法与进化机器人技术 | 第18-34页 |
| ·进化算法概述 | 第18-28页 |
| ·遗传算法 | 第21-22页 |
| ·遗传规划 | 第22-28页 |
| ·进化机器人技术的思想 | 第28-30页 |
| ·进化机器人技术研究的主要问题 | 第30-32页 |
| ·采用的控制结构 | 第30页 |
| ·编码策略 | 第30-31页 |
| ·适应度函数选取 | 第31页 |
| ·协进化 | 第31页 |
| ·硬件进化 | 第31-32页 |
| ·进化机器人技术存在的主要问题与解决途径 | 第32-33页 |
| ·进化机器人技术的发展方向 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于遗传算法的机器人避碰行为学习 | 第34-45页 |
| ·避碰行为的实现方法 | 第34-35页 |
| ·个体编码规则 | 第35-36页 |
| ·参数选择 | 第36-38页 |
| ·群体规模 | 第36-37页 |
| ·适应度函数选择 | 第37页 |
| ·选择策略 | 第37页 |
| ·交叉概率 | 第37页 |
| ·变异概率 | 第37-38页 |
| ·终止条件 | 第38页 |
| ·实现过程 | 第38-39页 |
| ·自适应性的提高 | 第39页 |
| ·仿真试验结果 | 第39-44页 |
| ·松散环境下的避碰行为进化 | 第39-41页 |
| ·密集环境下的避碰行为进化 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于遗传规划的机器人避碰行为学习 | 第45-61页 |
| ·遗传规划在避碰行为学习上的预处理 | 第46-52页 |
| ·终止符集和函数集的确定 | 第46-47页 |
| ·适应度函数的选取 | 第47-48页 |
| ·群体的生成 | 第48-50页 |
| ·群体规模 | 第50页 |
| ·复制策略 | 第50页 |
| ·复制、交叉操作 | 第50-51页 |
| ·突变操作 | 第51页 |
| ·迭代的终止条件 | 第51-52页 |
| ·实现过程 | 第52页 |
| ·树的执行过程 | 第52-53页 |
| ·实现语言的选择 | 第53-54页 |
| ·算法的改进 | 第54-55页 |
| ·仿真实验结果 | 第55-59页 |
| ·松散环境下的避碰行为进化 | 第55-56页 |
| ·密集环境下的避碰行为进化 | 第56-59页 |
| ·遗传算法与遗传规划的实验结果比较分析 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第66-67页 |
| 致谢 | 第67页 |
