| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 多agent系统路径规划国内外研究现状 | 第11-15页 |
| 1.2.2 多agent系统编队国内外研究现状 | 第15-18页 |
| 1.3 本文主要研究内容 | 第18页 |
| 1.4 文章结构安排 | 第18-20页 |
| 第二章 分层强化学习理论基础 | 第20-32页 |
| 2.1 引言 | 第20-21页 |
| 2.2 强化学习 | 第21-25页 |
| 2.2.1 强化学习思想 | 第21-22页 |
| 2.2.2 马尔可夫决策论 | 第22页 |
| 2.2.3 强化学习的主要算法 | 第22-25页 |
| 2.3 分层强化学习理论 | 第25-30页 |
| 2.3.1 半马尔科夫决策过程 | 第25-26页 |
| 2.3.2 分层与抽象 | 第26页 |
| 2.3.3 典型分层强化学习方法 | 第26-30页 |
| 2.4 本章总结 | 第30-32页 |
| 第三章 基于人工势场及分层强化学习的多agent路径规划方法 | 第32-44页 |
| 3.1 引言 | 第32页 |
| 3.2 改进分层强化学习算法 | 第32-34页 |
| 3.3 HRLA算法 | 第34-38页 |
| 3.3.1 人工势场离差标准化处理 | 第34-35页 |
| 3.3.2 算法定义 | 第35-36页 |
| 3.3.3 算法描述 | 第36-37页 |
| 3.3.4 HRLA值函数更新算法 | 第37-38页 |
| 3.4 实验仿真与分析 | 第38-42页 |
| 3.5 三维仿真平台仿真 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于分层强化学习及CMAC神经网络的多agent编队方法 | 第44-56页 |
| 4.1 引言 | 第44页 |
| 4.2 改进分层强化学习方法 | 第44-46页 |
| 4.3 基于CMAC神经网络的Q学习算法 | 第46-48页 |
| 4.4 具有分层强化学习机制的多agent编队系统控制结构 | 第48-50页 |
| 4.5 MFRL算法 | 第50-52页 |
| 4.6 仿真实验结果及其分析 | 第52-54页 |
| 4.6.1 实验结果 | 第52-53页 |
| 4.6.2 仿真结果与分析 | 第53-54页 |
| 4.7 本章小结 | 第54-56页 |
| 第五章 全文总结与未来展望 | 第56-58页 |
| 5.1 全文总结 | 第56-57页 |
| 5.2 未来展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士学位期间的科研成果 | 第66-67页 |
