多机器人多任务分配及路径规划研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 移动多机器人技术的发展 | 第9-11页 |
| 1.2.2 多机器人多任务分配问题研究现状 | 第11-12页 |
| 1.2.3 机器人路径规划研究现状 | 第12-13页 |
| 1.3 论文研究工作 | 第13-15页 |
| 第2章 人工免疫算法和遗传算法基本理论 | 第15-22页 |
| 2.1 人工免疫算法 | 第15-18页 |
| 2.1.1 免疫系统的免疫机制 | 第15-16页 |
| 2.1.2 免疫系统的特性 | 第16页 |
| 2.1.3 克隆选择算法的重要概念及步骤 | 第16-18页 |
| 2.2 遗传算法 | 第18-21页 |
| 2.2.1 遗传算法的重要概念 | 第18-20页 |
| 2.2.2 遗传算法的实现步骤及特点 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 多移动机器人任务分配 | 第22-29页 |
| 3.1 多机器人任务分配的问题描述 | 第22-23页 |
| 3.2 基于多因素的任务分配 | 第23-26页 |
| 3.2.1 多机器人任务分配策略的数学模型 | 第23-24页 |
| 3.2.2 多机器人任务分配策略具体步骤及流程 | 第24-26页 |
| 3.3 实验结果及分析 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 基于免疫遗传算法的多机器人路径规划 | 第29-51页 |
| 4.1 免疫遗传算法 | 第29-33页 |
| 4.1.1 免疫遗传算法的基本概念 | 第30-32页 |
| 4.1.2 免疫遗传算法的运行过程 | 第32-33页 |
| 4.2 生成初始近似最优路径 | 第33-34页 |
| 4.3 算法中参数的定义 | 第34-37页 |
| 4.3.1 问题的描述及编码 | 第34页 |
| 4.3.2 适应度确定 | 第34页 |
| 4.3.3 抗体相似度定义 | 第34-35页 |
| 4.3.4 抗体浓度的定义 | 第35-36页 |
| 4.3.5 选择概率的定义 | 第36页 |
| 4.3.6 变异概率的定义 | 第36页 |
| 4.3.7 交叉概率的定义 | 第36-37页 |
| 4.4 实验结果及分析 | 第37-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 在学研究成果 | 第55-56页 |
| 致谢 | 第56页 |
