| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-19页 |
| ·移动机器人的发展概述 | 第11-13页 |
| ·机器人技术发展历程 | 第11-12页 |
| ·移动机器人技术发展历程 | 第12-13页 |
| ·移动机器人的关键技术研究 | 第13-14页 |
| ·基于行为的机器人发展简介 | 第14-18页 |
| ·分层递阶结构 | 第14-15页 |
| ·包容结构 | 第15-16页 |
| ·进化控制结构 | 第16-18页 |
| ·论文主要研究内容 | 第18-19页 |
| 第2章 移动机器人的神经网络控制器设计 | 第19-28页 |
| ·神经网络在移动机器人技术中的应用 | 第19-20页 |
| ·动态 Elman网络 | 第20-23页 |
| ·基本 Elman神经网络 | 第21-22页 |
| ·改进的 Elman神经网络 | 第22-23页 |
| ·基于行为的移动机器人Elman神经网络控制器设计 | 第23-24页 |
| ·Elman型人工神经网络的收敛性分析 | 第24-27页 |
| ·离散时间的非线性系统的 Lyapunov稳定性 | 第24-26页 |
| ·Elman型人工神经网络的收敛性 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 进化 BP算法 | 第28-39页 |
| ·神经网络的误差反向传播(BP)算法 | 第28-29页 |
| ·动态 BP算法 | 第29-32页 |
| ·进化 BP算法 | 第32-36页 |
| ·遗传算法的基本原理 | 第32-34页 |
| ·进化 BP算法 | 第34-36页 |
| ·计算机仿真试验 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 移动机器人的强化学习算法 | 第39-58页 |
| ·强化学习概述 | 第39-45页 |
| ·强化学习原理与模型 | 第39-40页 |
| ·强化学习系统的组成要素 | 第40-41页 |
| ·强化学习算法 | 第41-44页 |
| ·强化学习的应用 | 第44-45页 |
| ·强化学习策略的选择 | 第45-46页 |
| ·贪婪策略 | 第45页 |
| ·随机策略 | 第45-46页 |
| ·Sarsa-学习算法及其收敛性 | 第46-47页 |
| ·机器人避障试验及仿真 | 第47-56页 |
| ·状态及动作编码方式 | 第48-50页 |
| ·机器人障碍物回避行为的 Sarsa学习算法 | 第50-52页 |
| ·仿真试验 | 第52-56页 |
| ·本章小结 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第65页 |