| 摘要 | 第1-5页 |
| Abstract | 第5-18页 |
| 1 绪论 | 第18-36页 |
| ·概述 | 第18-24页 |
| ·概念定义 | 第19-21页 |
| ·人工生命行为系统的研究内容 | 第21-22页 |
| ·行为系统的目标与评价 | 第22-24页 |
| ·研究意义和目的 | 第24-27页 |
| ·人工生命行为系统的研究意义 | 第24-25页 |
| ·动觉智能图式研究意义 | 第25-27页 |
| ·人工生命行为系统研究状况 | 第27-32页 |
| ·行为研究相关情况 | 第27-29页 |
| ·比较分析 | 第29-31页 |
| ·课题来源 | 第31页 |
| ·研究所前期研究成果 | 第31-32页 |
| ·本文主要研究内容 | 第32-35页 |
| ·本文的主要研究内容 | 第32页 |
| ·本文的主要创新点 | 第32-33页 |
| ·论文结构 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 2 人工生命体的行为 | 第36-74页 |
| ·概述 | 第36-40页 |
| ·行为的分类 | 第36-37页 |
| ·行为的编码方法 | 第37-40页 |
| ·动物学领域的行为研究 | 第40-48页 |
| ·概述 | 第41-42页 |
| ·Tinbergen 的本能分层模型 | 第42-43页 |
| ·Lorenz 的心理水压模型 | 第43-44页 |
| ·Baerends 的分层决定模型 | 第44-46页 |
| ·Ludlow 的神经网络模型 | 第46-47页 |
| ·有关学习进化 | 第47-48页 |
| ·人工智能领域的行为研究 | 第48-59页 |
| ·行为组织方法 | 第49-52页 |
| ·基于行为的行为选择结构 | 第52-55页 |
| ·多层行为选择结构 | 第55-56页 |
| ·PRS-信念、期望和意图行为选择结构 | 第56-58页 |
| ·Soar 及 ACT-R 行为选择结构 | 第58-59页 |
| ·机器人学领域的行为选择研究 | 第59-62页 |
| ·机器人学领域的行为控制方法 | 第59-60页 |
| ·反应结构 | 第60-61页 |
| ·慎思/反应混合结构 | 第61-62页 |
| ·生命体的学习与进化 | 第62-67页 |
| ·Lamarck 遗传和 Baldwin 效应 | 第62-63页 |
| ·强化学习 | 第63-64页 |
| ·遗传算法 | 第64-66页 |
| ·遗传规划 | 第66-67页 |
| ·分析 | 第67-71页 |
| ·动物行为学研究的借鉴意义 | 第67-68页 |
| ·人工智能研究的借鉴意义 | 第68-69页 |
| ·机器人学研究的借鉴意义 | 第69页 |
| ·生物学习进化的借鉴意义 | 第69-70页 |
| ·相关研究存在的问题 | 第70-71页 |
| ·本章小结 | 第71-74页 |
| 3 图式理论 | 第74-86页 |
| ·神经科学 | 第74-77页 |
| ·行为控制的神经结构 | 第74-75页 |
| ·感觉器官与行为控制 | 第75-76页 |
| ·脊髓对运动的调节 | 第76-77页 |
| ·小脑与运动控制 | 第77页 |
| ·大脑与运动控制 | 第77页 |
| ·图式理论 | 第77-81页 |
| ·图式理论的发展历程 | 第77-79页 |
| ·图式的定义 | 第79-80页 |
| ·图式的运算 | 第80页 |
| ·图式理论与脑科学及人工智能的关系 | 第80-81页 |
| ·图式理论在人工智能领域的应用 | 第81-84页 |
| ·应用发展历程 | 第81-82页 |
| ·图式与行为 | 第82-83页 |
| ·图式行为控制示例 | 第83-84页 |
| ·分析 | 第84-85页 |
| ·神经控制研究的启示 | 第84页 |
| ·图式理论研究的启示 | 第84-85页 |
| ·结论 | 第85页 |
| ·本章小结 | 第85-86页 |
| 4 基于动觉智能图式的人工生命体行为 | 第86-112页 |
| ·动觉智能图式 | 第86-91页 |
| ·人体动觉智能的特征 | 第86-88页 |
| ·动觉智能图式 | 第88-89页 |
| ·动觉智能图式的结构 | 第89-90页 |
| ·动觉智能图式的启发式搜索 | 第90页 |
| ·动觉智能图式的直觉推理 | 第90-91页 |
| ·基于动觉智能图式的行为描述 | 第91-97页 |
| ·感知图式 | 第91-93页 |
| ·运动图式 | 第93-94页 |
| ·低阶关联图式 | 第94-95页 |
| ·行为描述示例 | 第95-97页 |
| ·动觉智能图式行为描述的意义 | 第97-101页 |
| ·为人工生命体的行为表示构建了编码基础 | 第98页 |
| ·为行为选择图式的建立奠定了编码基础 | 第98-99页 |
| ·为行为及其选择的参数与结构进化奠定了编码基础 | 第99-101页 |
| ·基于动觉智能图式的行为及其选择与进化结构 | 第101-109页 |
| ·概述 | 第101页 |
| ·分层递阶行为选择框架 | 第101-105页 |
| ·行为与智能的体现 | 第105页 |
| ·生命特征的体现 | 第105-106页 |
| ·体系结构的包容 | 第106页 |
| ·动态学习与进化 | 第106-109页 |
| ·本章小结 | 第109-112页 |
| 5 基于动觉智能图式的人工生命体行为选择 | 第112-122页 |
| ·优先度与产生式系统 | 第112-115页 |
| ·概述 | 第112页 |
| ·基于优先度的行为选择 | 第112-113页 |
| ·优先度的获取 | 第113-114页 |
| ·产生式系统 | 第114-115页 |
| ·行为选择图式的构建 | 第115-120页 |
| ·行为选择图式 | 第115-117页 |
| ·知识库的应用 | 第117页 |
| ·行为选择示例 | 第117-120页 |
| ·基于动觉智能图式的行为选择描述意义 | 第120页 |
| ·本章小结 | 第120-122页 |
| 6 基于动觉智能图式的人工生命体行为学习与进化 | 第122-156页 |
| ·学习进化与图式运算 | 第122-130页 |
| ·概述 | 第122-123页 |
| ·设计分析 | 第123-125页 |
| ·图式的平衡调节 | 第125-127页 |
| ·图式的同化 | 第127-129页 |
| ·图式的顺应 | 第129-130页 |
| ·动觉智能图式的参数优化 | 第130-142页 |
| ·设计流程 | 第130-132页 |
| ·初始种群的确定 | 第132-133页 |
| ·适应度函数的确定 | 第133-136页 |
| ·选择操作 | 第136-137页 |
| ·交叉运算 | 第137-138页 |
| ·基于动态编码的反馈式突变 | 第138-140页 |
| ·利用正交试验产生较好的子孙 | 第140-142页 |
| ·混合变异 | 第142页 |
| ·动觉智能图式的结构进化 | 第142-155页 |
| ·设计思想 | 第142-145页 |
| ·结构编码 | 第145-146页 |
| ·设计流程 | 第146-148页 |
| ·树状个体表示 | 第148-149页 |
| ·混合法产生初始种群 | 第149-151页 |
| ·适应度计算 | 第151-152页 |
| ·交叉操作 | 第152-153页 |
| ·突变操作 | 第153-154页 |
| ·新一代个体的选择 | 第154-155页 |
| ·本章小结 | 第155-156页 |
| 7 实验分析 | 第156-186页 |
| ·杂技机器人系统 | 第156-159页 |
| ·杂技机器人物理结构 | 第157页 |
| ·杂技机器人仿真模型 | 第157-159页 |
| ·动觉智能行为 | 第159-165页 |
| ·概述 | 第159-160页 |
| ·杂技机器人的动觉智能行为 | 第160-161页 |
| ·动觉智能行为定义举例 | 第161-165页 |
| ·行为选择 | 第165-168页 |
| ·单个行为选择 | 第166-167页 |
| ·复合行为选择 | 第167-168页 |
| ·动觉智能图式的参数优化 | 第168-178页 |
| ·编码及参数确定 | 第169-170页 |
| ·适应度计算 | 第170-171页 |
| ·遗传操作 | 第171-174页 |
| ·实验结果分析 | 第174-178页 |
| ·动觉智能图式的结构进化 | 第178-184页 |
| ·概述 | 第179-180页 |
| ·编码与初始化 | 第180-181页 |
| ·适应度的计算 | 第181页 |
| ·遗传操作 | 第181页 |
| ·实验结果 | 第181-184页 |
| ·本章小结 | 第184-186页 |
| 8 总结与展望 | 第186-192页 |
| ·主要研究工作的总结 | 第186-188页 |
| ·基于动觉智能图式的人工生命体行为表示 | 第186-187页 |
| ·基于优先度与产生式系统结合的行为选择结构 | 第187页 |
| ·基于改进的进化计算方法的动觉智能图式的同化与顺应 | 第187-188页 |
| ·机器人实验平台选择 | 第188页 |
| ·结论 | 第188-189页 |
| ·展望 | 第189-192页 |
| ·多生命体协作的深入研究 | 第189-190页 |
| ·复杂生命体的行为选择与进化研究 | 第190页 |
| ·算法改进研究 | 第190页 |
| ·仿真实验向实物实验的移植研究 | 第190页 |
| ·评价体系研究 | 第190-192页 |
| 致谢 | 第192-194页 |
| 参考文献 | 第194-202页 |
| 附录 | 第202-203页 |