首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--机器人技术论文--机器人论文

基于强化学习的移动机器人自主学习及导航控制

摘要第1-6页
Abstract第6-10页
插图目录第10-12页
算法目录第12-13页
第一章 绪论第13-33页
   ·选题的背景和意义第13-14页
   ·移动机器人研究现状第14-25页
     ·移动机器人研究的发展第16-18页
     ·移动机器人导航研究现状第18-22页
     ·机器人学习与知识表示第22-25页
   ·全文内容安排第25-27页
 参考文献第27-33页
第二章 强化学习第33-49页
   ·Markov决策过程与强化学习第33-38页
     ·Markov决策过程第33-34页
     ·强化学习模型与基本要素第34-38页
   ·强化学习基本算法第38-43页
     ·瞬时差分方法第38-41页
     ·Q学习方法第41-43页
   ·分层式强化学习第43-45页
   ·强化学习应用中的关键问题第45-46页
     ·泛化方法第45-46页
     ·探索与利用的权衡第46页
     ·强化函数与算法结构设计第46页
   ·本章小结第46-47页
 参考文献第47-49页
第三章 多超声波传感器信息融合与知识表示第49-77页
   ·多超声波传感器系统信息处理第49-54页
     ·多超声波传感器系统第50-51页
     ·测距信息处理第51-53页
     ·测试结果及分析第53-54页
   ·基于多超声波传感器的目标识别第54-62页
     ·多超声波传感器系统设置第55-56页
     ·目标识别及主动探测算法第56-61页
     ·实验及分析第61-62页
   ·基于灰色系统的智能传感器及信息处理第62-73页
     ·灰色测量系统与灰色传感器第63-66页
     ·感知信息的灰色表示及运算第66-70页
     ·基于灰色系统的多超声波传感器第70-73页
   ·本章小结第73页
 参考文献第73-77页
第四章 基于强化学习的反应式控制第77-107页
   ·反应式控制第77-79页
   ·基于强化学习与模糊逻辑的反应式控制第79-84页
     ·移动机器人模型第79-80页
     ·反应式行为设计第80-83页
     ·仿真实验及结果分析第83-84页
   ·灰色强化学习初探第84-88页
     ·灰色强化学习算法第85-87页
     ·仿真实验及结果分析第87-88页
   ·量子强化学习第88-102页
     ·量子计算方法第89-90页
     ·量子强化学习第90-95页
     ·算法分析及讨论第95-97页
     ·仿真实验及结果分析第97-102页
   ·本章小结第102页
 参考文献第102-107页
第五章 基于分层式强化学习的定性导航第107-125页
   ·栅格—拓扑混合式地图创建第107-111页
     ·栅格地图第108-109页
     ·基于拓扑地图的定性空间构造第109-111页
   ·分层式强化学习的定性空间表示第111-118页
     ·定性代数的形式化框架FAQA第112-113页
     ·定性空间强化学习框架第113-116页
     ·分层式强化学习的混合代数表示第116-118页
   ·基于分层式强化学习的定性导航第118-123页
     ·混合式控制体系结构第118-119页
     ·基于拓扑地图的全局规划第119-120页
     ·局部环境的反应式控制第120-121页
     ·仿真实验及结果分析第121-123页
   ·本章小结第123页
 参考文献第123-125页
第六章 移动机器人ATU-II及其导航控制第125-143页
   ·移动机器人平台ATU-II第125-136页
     ·整体设计第126-128页
     ·硬件配置第128-134页
     ·软件设计第134-136页
   ·基于强化学习的导航实验研究第136-140页
     ·二阶段学习模式第136-137页
     ·实验结果及其分析第137-140页
   ·本章小结第140-141页
 参考文献第141-143页
第七章 总结与展望第143-147页
致谢第147-149页
攻读博士学位期间完成的论文第149-150页

论文共150页,点击 下载论文
上一篇:SY1磷酸酶基因的原核表达及其单克隆抗体的初步制备
下一篇:基于形态学的焊接区熔池图像的处理与识别