基于深度强化学习的拟人化自适应巡航控制算法设计

目录

声明

符号对照表

第1章绪 论

1.1 课题背景和意义

1.2 自适应巡航控制算法研究历史

1.3 基于规则的自适应巡航控制算法

1.4 基于学习的自适应巡航控制算法

1.4.1 非拟人化自适应巡航控制算法

1.4.2 拟人化自适应巡航控制算法

1.4.3 自适应巡航控制算法中的强化学习算法

1.4.4 自适应巡航控制算法的奖励函数设计方法

1.5 本文主要研究内容

第2章 自适应巡航控制算法设计

2.1 强化学习算法介绍

2.1.1 马尔可夫决策过程

2.1.2 Q-Learning算法

2.1.3 DQN算法

2.1.4 分层 DQN算法

2.2 自适应巡航控制算法结构设计

2.2.1 基于 DQN算法的上层决策算法设计

2.2.2 基于 DQN算法的底层执行算法设计

2.3 自适应巡航控制算法奖励函数设计

2.3.1 安全性奖励

2.3.2 舒适性奖励

2.3.3 跟随性奖励

2.4 自适应巡航控制算法运行过程

2.5 本章小结

第3章 自适应巡航控制算法性能优化

3.1 自适应巡航控制算法网络结构优化

3.2 自适应巡航控制算法训练流程优化

3.3 自适应巡航控制算法记忆存取优化

3.3.1 设置记忆权重

3.3.2 根据权重采样

3.4 算法改进效果分析

3.5 本章小结

第4章自适应巡航控制系统拟人性驾驶策略学习

4.1 逆向强化学习理论介绍

4.1.1 逆向强化学习基本原理

4.1.2 最大熵原理

4.1.3 最大熵模型

4.2 自适应巡航控制算法拟人化奖励函数学习

4.2.1 跟驰驾驶数据采集和处理

4.2.2 奖励函数学习

4.2.3 拟人化奖励函数学习效果分析

4.3 本章小结

第5章自适应巡航控制算法训练和仿真

5.1 训练环境设计

5.2 自适应巡航控制算法训练

5.2.1 底层执行算法预训练

5.2.2 完整自适应巡航控制算法训练

5.3 自适应巡航控制算法拟人性效果分析

5.4 本章小结

第6章总结与展望

参考文献

致谢