| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-18页 |
| 1.3 本文的主要工作 | 第18-20页 |
| 第二章 算法理论与数学建模 | 第20-36页 |
| 2.1 遗传算法理论 | 第20-23页 |
| 2.1.1 遗传算法描述 | 第20-22页 |
| 2.1.2 遗传算法核心步骤 | 第22-23页 |
| 2.2 深度强化学习理论 | 第23-30页 |
| 2.2.1 强化学习 | 第23-24页 |
| 2.2.2 深度学习 | 第24-29页 |
| 2.2.3 深度强化学习 | 第29-30页 |
| 2.3 航路规划数学建模 | 第30-34页 |
| 2.3.1 设置航路规划问题的仿真参数 | 第30-31页 |
| 2.3.2 无人机飞行时的转弯约束 | 第31-32页 |
| 2.3.3 确定无人机下一时刻的可行位置 | 第32-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第三章 基于遗传算法的多无人机协同区域监视的航路规划 | 第36-56页 |
| 3.1 引言 | 第36页 |
| 3.2 基于遗传算法的多无人机航路规划方法 | 第36-44页 |
| 3.2.1 基因编码 | 第37页 |
| 3.2.2 初始化种群 | 第37-38页 |
| 3.2.3 适应度函数 | 第38页 |
| 3.2.4 个体选择机制 | 第38-39页 |
| 3.2.5 交叉与变异操作 | 第39页 |
| 3.2.6 仿真实验 | 第39-44页 |
| 3.3 基于遗传算法的多无人机航路规划方法的改进 | 第44-47页 |
| 3.3.1 远视 | 第44-45页 |
| 3.3.2 多步 | 第45-47页 |
| 3.4 仿真实验及分析 | 第47-55页 |
| 3.4.1 仿真实验一 | 第47-52页 |
| 3.4.2 仿真实验二 | 第52-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 基于深度强化学习的多无人机协同区域监视的航路规划 | 第56-76页 |
| 4.1 引言 | 第56页 |
| 4.2 基于深度强化学习的多无人机航路规划方法 | 第56-65页 |
| 4.2.1 确定无人机的状态与动作 | 第56-58页 |
| 4.2.2 确定奖赏函数 | 第58-59页 |
| 4.2.3 建立神经网络 | 第59-60页 |
| 4.2.4 训练神经网络 | 第60-62页 |
| 4.2.5 仿真实验 | 第62-65页 |
| 4.3 基于深度强化学习的多无人机航路规划方法的改进 | 第65-66页 |
| 4.3.1 Q-learning算法 | 第65页 |
| 4.3.2 建立Q目标神经网络 | 第65-66页 |
| 4.3.3 基于DQN的多无人机航路规划 | 第66页 |
| 4.4 仿真实验及分析 | 第66-74页 |
| 4.4.1 仿真实验一 | 第66-70页 |
| 4.4.2 仿真实验二 | 第70-73页 |
| 4.4.3 与遗传算法的航路规划比较分析 | 第73-74页 |
| 4.5 本章小结 | 第74-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 工作总结 | 第76页 |
| 5.2 工作展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 作者简介 | 第84-85页 |
