| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 课题研究背景及研究意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 国内外相关研究现状 | 第9-16页 |
| 1.2.1 AGV调度优化研究 | 第10-12页 |
| 1.2.2 基于机器学习的调度研究 | 第12-15页 |
| 1.2.3 问题现状与发展趋势 | 第15-16页 |
| 1.3 研究思路与内容 | 第16页 |
| 1.4 论文结构与技术路线 | 第16-18页 |
| 2 自动化集装箱码头水平作业调度分析 | 第18-28页 |
| 2.1 自动化集装箱码头布局以及装卸工艺分析 | 第18-19页 |
| 2.2 AGV调度系统分析 | 第19-22页 |
| 2.2.1 自动化集装箱码头作业系统分析 | 第19-21页 |
| 2.2.2 自动化集装箱码头AGV调度问题方法分析 | 第21-22页 |
| 2.3 自动化集装箱码头AGV实时调度分析 | 第22-25页 |
| 2.4 AGV水平运输避让控制分析 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 在线学习的AGV实时指派模型 | 第28-40页 |
| 3.1 问题描述 | 第28-29页 |
| 3.2 模型框架 | 第29-30页 |
| 3.3 在线学习实时指派模型设计 | 第30-33页 |
| 3.3.1 集装箱作业表示 | 第30-31页 |
| 3.3.2 决策指派方法 | 第31-32页 |
| 3.3.3 样本表示与训练 | 第32页 |
| 3.3.4 在线学习方法 | 第32-33页 |
| 3.4 在线学习AGV实时指派实验设计与结果分析 | 第33-39页 |
| 3.4.1 实验设计 | 第33-35页 |
| 3.4.2 实验分析与比较 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 基于机器学习的多AGV避让控制模型 | 第40-47页 |
| 4.1 问题描述 | 第40-41页 |
| 4.2 模型框架 | 第41页 |
| 4.3 避让控制模型设计 | 第41-45页 |
| 4.3.1 基于Q-learning的多AGV避让控制模型构建 | 第41-43页 |
| 4.3.2 基于DQN的多AGV避让控制模型构建 | 第43-45页 |
| 4.4 多AGV避让控制算法仿真与结果分析 | 第45-46页 |
| 4.4.1 避让模型参数设计 | 第45页 |
| 4.4.2 模型训练与结果分析 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 5 系统设计与实现 | 第47-54页 |
| 5.1 系统设计 | 第47-52页 |
| 5.1.1 系统架构 | 第47-48页 |
| 5.1.2 系统实现设计 | 第48-50页 |
| 5.1.3 系统数据库设计 | 第50页 |
| 5.1.4 系统界面 | 第50-52页 |
| 5.2 AGV实时调度系统实现 | 第52-53页 |
| 5.3 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 附录A 模型相关代码 | 第60-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-64页 |