全文总字数：1665字
1. 毕业设计（论文）主要内容：
随着机器人技术的发展，机器人面临的任务也越来越复杂，路径规划及障碍物避让是智能机器人在完成任务时的需要解决的基本问题。传统路径规划方法对于复杂动态环境适应能力差，且大多依赖于地图的构建。因此，本课题基于深度强化学习方法设计了一种未知环境下的路径规划算法，所提出算法有较强的适应能力，且不依赖于地图构建。
2. 毕业设计（论文）主要任务及要求
（1）查阅不少于15篇的相关资料，其中近5年外文文献不少于3篇，完成开题报告（设计目的意义至少800汉字，基本内容和技术方案至少400汉字）；
（2）了解强化学习工作原理及相关深度强化学习算法，学习Tensorflow框架基本使用；
（3）搭建ROS Gazebo的仿真环境；参考gazebo和ros官方文档创建用于仿真的路径规划环境和仿真机器人；
3. 毕业设计（论文）完成任务的计划与安排
（1）第1－3周：查阅相关文献料，明确研究内容，了解研究所需理论基础，确定整体方案并完成开题报告；
（2）第4－5周：翻译英文文献，学习强化学习及深度学习相关知识，熟悉Tensorflow深度学习框架；
（3）第6－9周：了解deep Q-network算法流程，完成仿真环境的搭建，及整体算法设计；
4. 主要参考文献
[1] AaronMartinez,EnriqueFernANdez, 马丁内斯, et al. ROS机器人程序设计[M]. 机械工业出版社, 2014.
[2] Duguleana M , Mogan G . Neural networksbased reinforcement learning for mobile robots obstacle avoidance[J].ExpertSystems with Applications, 2016, 62:104-115
[3] Wu J , He H , Peng J , et al. Continuousreinforcement learning of energy management with deep Q network for a powersplit hybrid electric bus[J]. Applied Energy, 2018, 222:799-811
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
