| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.2 强化学习的研究现状 | 第9-12页 |
| 1.2.1 强化学习简述 | 第9-10页 |
| 1.2.2 强化学习典型算法 | 第10-11页 |
| 1.2.3 强化学习应用现状 | 第11-12页 |
| 1.2.4 存在的问题及解决途径 | 第12页 |
| 1.3 机器人觅食行为 | 第12-14页 |
| 1.3.1 觅食行为的特点 | 第12-13页 |
| 1.3.2 觅食行为的研究现状 | 第13-14页 |
| 1.4 论文框架和研究内容 | 第14-15页 |
| 第2章 基于 TEAMBOTS 的仿真实验平台搭建 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 TEAMBOTS 简介 | 第15-21页 |
| 2.2.1 平台组成元素 | 第16-19页 |
| 2.2.2 仿真机器人的行为 | 第19-21页 |
| 2.3 机器人控制系统的构建 | 第21-23页 |
| 2.3.1 时序法 | 第21-22页 |
| 2.3.2 嵌入强化学习的控制系统 | 第22-23页 |
| 2.4 小结 | 第23-24页 |
| 第3章 单个机器人的觅食学习 | 第24-34页 |
| 3.1 引言 | 第24页 |
| 3.2 强化学习理论的概述 | 第24-26页 |
| 3.2.1 强化学习的基本原理 | 第25页 |
| 3.2.2 强化学习算法所包括的元素 | 第25-26页 |
| 3.3 Q 学习算法 | 第26-29页 |
| 3.3.1 马氏决策过程 | 第27页 |
| 3.3.2 Q 值的学习和更新 | 第27-28页 |
| 3.3.3 动作探索策略 | 第28-29页 |
| 3.4 单个机器人觅食的可视化仿真 | 第29-32页 |
| 3.4.1 觅食行为的描述 | 第29-30页 |
| 3.4.2 觅食行为的 MDP 模型 | 第30-31页 |
| 3.4.3 实验结果及分析 | 第31-32页 |
| 3.5 小结 | 第32-34页 |
| 第4章 多机器人的觅食学习 | 第34-43页 |
| 4.1 多机器人觅食的协作方式 | 第34-35页 |
| 4.2 基于 SCHWEITZER 变换的 RVI-RL 算法 | 第35-38页 |
| 4.3 多机器人觅食的可视化仿真 | 第38-42页 |
| 4.3.1 设计多机器人系统觅食学习实验 | 第38-40页 |
| 4.3.2 应用 RVI 算法实现多机器人协作觅食 | 第40-42页 |
| 4.4 小结 | 第42-43页 |
| 结论 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第48-50页 |
| 致谢 | 第50页 |
