| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第14-22页 |
| 1.1 研究背景 | 第14-17页 |
| 1.1.1 地图构建 | 第14-15页 |
| 1.1.2 地图构建研究内容 | 第15-17页 |
| 1.2 研究现状 | 第17-19页 |
| 1.2.1 基于任务分配的地图构建方法 | 第17页 |
| 1.2.2 虚拟物理学的方法 | 第17页 |
| 1.2.3 期望最大化( expectation maximization, EM)算法 | 第17-18页 |
| 1.2.4 SLAM( simultaneous localization and mapping, SLAM) | 第18页 |
| 1.2.5 群体智能（Swarm Intelligence） | 第18页 |
| 1.2.6 认知地图 | 第18-19页 |
| 1.2.7 地图信息融合 | 第19页 |
| 1.3 研究目标与内容 | 第19-20页 |
| 1.4 算法思想 | 第20-21页 |
| 1.4.1 算法依据 | 第20页 |
| 1.4.2 算法描述 | 第20-21页 |
| 1.5 课题来源 | 第21页 |
| 1.6 论文各章的主要内容 | 第21-22页 |
| 2 粒子群算法 | 第22-29页 |
| 2.1 群体智能 | 第22-23页 |
| 2.1.1 蚁群优化算法 | 第22-23页 |
| 2.2 粒子群优化算法 | 第23-28页 |
| 2.2.1 算法模型及分析 | 第24-25页 |
| 2.2.2 算法流程 | 第25-26页 |
| 2.2.3 参数因素 | 第26-27页 |
| 2.2.4 终止条件 | 第27-28页 |
| 2.3 相关应用 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 基于粒子群优化的自我部署算法 | 第29-46页 |
| 3.1 设计目标 | 第29页 |
| 3.2 算法设计 | 第29-33页 |
| 3.2.1 模型 | 第29-32页 |
| 3.2.2 终止条件 | 第32-33页 |
| 3.3 实验与结果 | 第33-45页 |
| 3.3.1 实验设置 | 第33-34页 |
| 3.3.2 实验结果 | 第34-43页 |
| 3.3.3 实验结论 | 第43-44页 |
| 3.3.4 实验小结 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 地图探索及特征提取 | 第46-56页 |
| 4.1 地图表示方法 | 第46-49页 |
| 4.1.1 栅格地图 | 第47页 |
| 4.1.2 特征地图 | 第47-48页 |
| 4.1.3 拓扑地图 | 第48-49页 |
| 4.1.4 混合地图 | 第49页 |
| 4.2 局部地图探索 | 第49-53页 |
| 4.2.1 算法思想 | 第49-50页 |
| 4.2.2 算法流程 | 第50-52页 |
| 4.2.3 实验结果 | 第52-53页 |
| 4.3 提取 | 第53-55页 |
| 4.3.1 算法描述 | 第53-55页 |
| 4.3.2 实验结果 | 第55页 |
| 4.4 本章小结 | 第55-56页 |
| 5 地图信息融合 | 第56-75页 |
| 5.1 融合原理 | 第56-58页 |
| 5.2 坐标转化 | 第58-61页 |
| 5.2.1 寻找可能的坐标转化 | 第58-59页 |
| 5.2.2 评估最好的坐标转化 | 第59-61页 |
| 5.3 算法改进 | 第61-64页 |
| 5.3.1 减小匹配转化的计算量 | 第61-62页 |
| 5.3.2 相似地形下提高匹配精度 | 第62-64页 |
| 5.4 融合策略 | 第64-67页 |
| 5.4.1 集中式融合策略 | 第64-65页 |
| 5.4.2 分布式融合策略 | 第65-66页 |
| 5.4.3 上传终端裁剪冗余 | 第66-67页 |
| 5.5 实验 | 第67-73页 |
| 5.5.1 仿真平台 | 第67-69页 |
| 5.5.2 实验结果 | 第69-73页 |
| 5.6 本章小结 | 第73-75页 |
| 6 总结与展望 | 第75-78页 |
| 6.1 全文总结 | 第75页 |
| 6.2 工作展望 | 第75-78页 |
| 参考文献 | 第78-85页 |
| 致谢 | 第85-86页 |
| 攻读学位期间发表的学术论文目录 | 第86页 |
