| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-12页 |
| CONTENTS | 第12-15页 |
| 第一章 绪论 | 第15-28页 |
| ·强化学习的研究背景与意义 | 第15-16页 |
| ·强化学习的主要研究内容 | 第16-18页 |
| ·强化学习的国内外研究现状及分析 | 第18-25页 |
| ·强化学习理论的研究现状及分析 | 第18-20页 |
| ·强化学习算法的研究现状及分析 | 第20-21页 |
| ·强化学习应用的研究现状及分析 | 第21-25页 |
| ·本文的主要研究工作及章节安排 | 第25-28页 |
| ·主要研究工作 | 第25-26页 |
| ·章节安排 | 第26-28页 |
| 第二章 基于递推最小二乘法的多步时序差分学习研究 | 第28-44页 |
| ·引言 | 第28页 |
| ·强化学习的基本概念与原理 | 第28-36页 |
| ·强化学习基本原理和基本模型 | 第29-30页 |
| ·强化学习的主要组成要素 | 第30-31页 |
| ·强化学习的主要算法 | 第31-34页 |
| ·马氏决策过程 | 第34-36页 |
| ·基于递推最小二乘的多步时序差分学习(RLS-TD(λ))算法 | 第36-43页 |
| ·RLS-TD(λ)算法描述 | 第37-38页 |
| ·RLS-TD(λ)算法收敛性分析及其值函数误差估计 | 第38-40页 |
| ·RLS-TD(λ)算法的迷宫仿真实验 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 基于RBF神经网络的强化学习研究 | 第44-61页 |
| ·引言 | 第44页 |
| ·基本Actor-Critic学习模型 | 第44-46页 |
| ·基于RBF网络的强化学习(RBF-AC)算法 | 第46-52页 |
| ·RBF-AC算法描述 | 第46-49页 |
| ·RBF-AC算法步骤 | 第49-50页 |
| ·RBF-AC算法的收敛性分析 | 第50-52页 |
| ·基于RBF-AC算法的自适应PID(AC-PID)控制 | 第52-60页 |
| ·AC-PID控制器结构 | 第52-55页 |
| ·AC-PID控制器的设计流程 | 第55页 |
| ·仿真实验 | 第55-60页 |
| ·本章小结 | 第60-61页 |
| 第四章 基于探索度的改进型模糊Sarsa学习研究 | 第61-74页 |
| ·引言 | 第61-62页 |
| ·模糊Sarsa学习 | 第62-63页 |
| ·基于探索度的改进型模糊Sarsa学习(IFSL)算法 | 第63-73页 |
| ·自适应学习率产生器 | 第64-65页 |
| ·模糊平衡器 | 第65-66页 |
| ·IFSL算法步骤 | 第66-67页 |
| ·IFSL算法收敛性分析 | 第67-68页 |
| ·小车爬山问题仿真实验 | 第68-73页 |
| ·本章小结 | 第73-74页 |
| 第五章 基于变学习率的模糊Sarsa学习研究 | 第74-85页 |
| ·引言 | 第74页 |
| ·蚁群优化计算的基本概念 | 第74-76页 |
| ·基于蚁群优化变学习率的模糊Sarsa学习(ACO-FSL)算法 | 第76-84页 |
| ·ACO-FSL系统结构 | 第76-77页 |
| ·蚁群优化(ACO) | 第77-78页 |
| ·动作的选择 | 第78-79页 |
| ·ACO-FSL算法步骤 | 第79-80页 |
| ·仿真实验 | 第80-84页 |
| ·本章小结 | 第84-85页 |
| 第六章 强化学习在移动机器人路径规划中的应用研究 | 第85-99页 |
| ·引言 | 第85页 |
| ·已有的移动机器人路径规划方法简介 | 第85-87页 |
| ·传统路径规划方法 | 第86页 |
| ·智能路径规划方法 | 第86-87页 |
| ·强化学习在移动机器人路径规划中的应用 | 第87-97页 |
| ·移动机器人的状态描述 | 第89-92页 |
| ·移动机器人的回报函数设计 | 第92-93页 |
| ·移动机器人动作选择的设计 | 第93-94页 |
| ·仿真实验环境 | 第94-95页 |
| ·实验结果及分析 | 第95-97页 |
| ·本章小结 | 第97-99页 |
| 总结 | 第99-101页 |
| 参考文献 | 第101-111页 |
| 攻读博士学位期间发表或完成的论文 | 第111-114页 |
| 致谢 | 第114页 |
