基于深度强化学习的无人驾驶智能决策控制研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 基于规则限定的决策控制 | 第9-10页 |
| 1.2.2 基于深度学习的决策控制 | 第10页 |
| 1.2.3 基于示教学习和强化学习的决策控制 | 第10-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 第2章 无人驾驶的决策控制问题与解决方案 | 第15-23页 |
| 2.1 无人驾驶的智能决策控制 | 第15-16页 |
| 2.2 示教学习 | 第16-18页 |
| 2.2.1 示教学习基本原理 | 第16-17页 |
| 2.2.2 数据聚集算法分析 | 第17-18页 |
| 2.3 强化学习 | 第18-22页 |
| 2.3.1 强化学习基本原理 | 第19-21页 |
| 2.3.2 深度确定性策略梯度算法分析 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 DDPGWD算法框架 | 第23-29页 |
| 3.1 演员-评论家模式 | 第23-25页 |
| 3.2 目标网络和经验回放 | 第25-27页 |
| 3.3 本章小结 | 第27-29页 |
| 第4章 示教监督误差设计与参数更新 | 第29-35页 |
| 4.1 示教监督误差的设计 | 第29-31页 |
| 4.2 网络的训练与参数更新 | 第31-34页 |
| 4.3 本章小结 | 第34-35页 |
| 第5章 仿真与结果分析 | 第35-52页 |
| 5.1 仿真平台介绍 | 第35-37页 |
| 5.1.1 仿真环境 | 第35-37页 |
| 5.1.2 深度学习框架 | 第37页 |
| 5.2 算法平台搭建 | 第37-40页 |
| 5.2.1 DDPG算法与DDPGwD算法 | 第37-40页 |
| 5.2.2 DAgger算法 | 第40页 |
| 5.3 仿真实验效果 | 第40-51页 |
| 5.3.1 策略学习速度 | 第42-44页 |
| 5.3.2 弱化奖励值函数 | 第44-45页 |
| 5.3.3 降低训练波动 | 第45-48页 |
| 5.3.4 最终策略效果 | 第48-51页 |
| 5.4 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第58-60页 |
| 致谢 | 第60-61页 |
