| 第1章 绪论 | 第1-17页 |
| ·引言 | 第8页 |
| ·路径规划技术的研究现状 | 第8-11页 |
| ·全局路径规划方法 | 第9页 |
| ·局部路径规划方法 | 第9-11页 |
| ·强化学习技术的发展历史 | 第11-13页 |
| ·强化学习技术的研究现状 | 第13-15页 |
| ·本文各章节结构安排 | 第15-17页 |
| 第2章 单智能体强化学习 | 第17-34页 |
| ·简介 | 第17-18页 |
| ·马尔可夫决策过程(MDP) | 第18-21页 |
| ·动态规划方法 | 第21-24页 |
| ·值迭代 | 第22页 |
| ·策略迭代 | 第22-24页 |
| ·蒙特卡洛算法 | 第24-25页 |
| ·瞬时差分算法 | 第25-29页 |
| ·瞬时差分(Temporal Difference) | 第25-26页 |
| ·探索和利用(Exploration versus Exploitation) | 第26-27页 |
| ·Sarsa算法 | 第27-28页 |
| ·Q学习算法 | 第28-29页 |
| ·多步强化学习 | 第29-33页 |
| ·多步 TD算法 | 第29-31页 |
| ·多步 Sarsa算法 | 第31-32页 |
| ·多步 Q算法 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 多智能体强化学习 | 第34-47页 |
| ·理论基础 | 第34-40页 |
| ·Markov对策 | 第34-36页 |
| ·Nash均衡 | 第36-37页 |
| ·概念介绍 | 第37-38页 |
| ·基本算法 | 第38-40页 |
| ·算法改进 | 第40-46页 |
| ·基本思想 | 第41-42页 |
| ·预测动作 | 第42-44页 |
| ·预测状态 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 机械手路径规划 | 第47-63页 |
| ·机械手工作环境 | 第47-48页 |
| ·碰撞检测 | 第48-51页 |
| ·状态及动作分割 | 第51-54页 |
| ·状态分割 | 第51-54页 |
| ·动作分割 | 第54页 |
| ·强化学习回报函数设计 | 第54-55页 |
| ·结构信度分配 | 第55-56页 |
| ·动作选择机制 | 第56-58页 |
| ·单智能体强化学习动作选择 | 第56-57页 |
| ·机械手强化学习动作选择 | 第57-58页 |
| ·仿真程序算法 | 第58-60页 |
| ·机械手路径规划仿真 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |