| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 移动模型研究现状 | 第10-12页 |
| 1.2.2 强化学习研究现状 | 第12-13页 |
| 1.3 论文结构安排 | 第13-15页 |
| 2 移动模型相关技术研究 | 第15-22页 |
| 2.1 强化学习 | 第15-18页 |
| 2.2 人工神经网络 | 第18-21页 |
| 2.3 反馈控制 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 基于DQN的智能车跟驰模型 | 第22-33页 |
| 3.1 Q学习算法 | 第22-23页 |
| 3.2 DQN算法基础 | 第23-25页 |
| 3.2.1 动作-值函数逼近 | 第23-24页 |
| 3.2.2 DQN算法 | 第24-25页 |
| 3.3 基于DQN的智能车跟驰模型建模 | 第25-27页 |
| 3.3.1 MDP状态与动作设计 | 第25-26页 |
| 3.3.2 MDP立即奖励设计 | 第26-27页 |
| 3.3.3 BP神经网络 | 第27页 |
| 3.4 智能车跟驰模型实验设计与结果分析 | 第27-32页 |
| 3.4.1 仿真实验平台介绍与设计 | 第27-30页 |
| 3.4.2 结果分析 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 基于AC-QSMC的智能车换道执行模型 | 第33-52页 |
| 4.1 基于RBF神经网络的Actor-Critic算法基础 | 第33-38页 |
| 4.1.1 Actor-Critic算法结构 | 第33-34页 |
| 4.1.2 径向基函数神经网络原理 | 第34-36页 |
| 4.1.3 基于RBF神经网络的Actor-Critic算法 | 第36-38页 |
| 4.2 滑模变结构控制基础 | 第38-41页 |
| 4.2.1 滑模变结构控制概述 | 第38-41页 |
| 4.2.2 准滑动模态控制 | 第41页 |
| 4.3 基于AC-QSMC的智能车换道执行模型 | 第41-47页 |
| 4.3.1 理想换道轨迹规划 | 第41-44页 |
| 4.3.2 基于QSMC的换道轨迹跟踪设计 | 第44-46页 |
| 4.3.3 基于AC-QSMC的智能车换道执行模型建模 | 第46-47页 |
| 4.4 智能车换道执行模型实验设计与结果分析 | 第47-51页 |
| 4.4.1 仿真实验平台介绍与设计 | 第47-50页 |
| 4.4.2 结果分析 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58页 |
