| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 引言 | 第9-17页 |
| ·本文研究背景 | 第9页 |
| ·算法的有关理论 | 第9-12页 |
| ·近代重要优化算法 | 第9-10页 |
| ·机器人导航算法 | 第10-12页 |
| ·收敛性 | 第12-14页 |
| ·数列收敛的定义 | 第12页 |
| ·函数列及其一致收敛性 | 第12-13页 |
| ·基本迭代算法的收敛性 | 第13页 |
| ·收敛性及算法收敛性定义 | 第13-14页 |
| ·国内外机器学习有关收敛性问题研究 | 第14-15页 |
| ·激励学习算法收敛性 | 第14-15页 |
| ·国内外机器学习收敛性的相关研究进展 | 第15页 |
| ·本文研究内容 | 第15-16页 |
| ·本文内容组织结构 | 第16-17页 |
| 第二章 人工势场法 | 第17-22页 |
| ·人工势场的引入 | 第17页 |
| ·势函数的定义 | 第17-19页 |
| ·人工势场法基本思想 | 第19-20页 |
| ·人工势场方法 | 第20页 |
| ·本章小结 | 第20-22页 |
| 第三章 激励学习理论 | 第22-30页 |
| ·马尔可夫决策过程和激励学习 | 第22-23页 |
| ·激励学习结构与原理 | 第23页 |
| ·激励学习系统的组成要素 | 第23-25页 |
| ·激励学习的基本算法 | 第25-26页 |
| ·TD 算法 | 第25-26页 |
| ·Q-学习 | 第26页 |
| ·Sarsa 算法 | 第26页 |
| ·激励学习算法的有关的收敛性证明 | 第26-27页 |
| ·激励学习中的函数逼近 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 激励势场及虚拟水流法数学模型 | 第30-38页 |
| ·局部最小问题的产生 | 第30-31页 |
| ·局部最小问题 | 第31-32页 |
| ·虚拟水流法 | 第32-34页 |
| ·实验结果比较 | 第34-36页 |
| ·四房间网格世界模型 | 第34-35页 |
| ·四方位四房间网格世界模型 | 第35-36页 |
| ·虚拟水流算法提炼的一维数学模型 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第五章 虚拟水流算法收敛性研究 | 第38-48页 |
| ·虚拟水流算法提炼的二维数学模型 | 第38页 |
| ·算法收敛性证明 | 第38-48页 |
| ·证明总体思路 | 第38-39页 |
| ·证明过程 | 第39-48页 |
| 第六章 总结与展望 | 第48-49页 |
| ·总结 | 第48页 |
| ·研究展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 附录（攻读硕士学位期间发表的论文目录和参加的科研项目） | 第54页 |