| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-20页 |
| ·课题来源 | 第11-12页 |
| ·课题研究背景与意义 | 第12-13页 |
| ·多机器人任务规划的研究现状与发展趋势 | 第13-16页 |
| ·多机器人任务分配 | 第14-15页 |
| ·多机器人路由规划 | 第15-16页 |
| ·移动机器人传感器系统故障诊断研究现状 | 第16-18页 |
| ·本文研究内容与结构安排 | 第18-20页 |
| 第二章 蚁群优化理论求解多机器人协同任务探测 | 第20-46页 |
| ·多机器人协同任务探测描述 | 第20-21页 |
| ·蚁群算法基本原理 | 第21-24页 |
| ·蚁群算法数学模型 | 第21-23页 |
| ·蚁群算法复杂度及性能评价指标 | 第23-24页 |
| ·蚁群算法在多机器人协同任务探测中的应用 | 第24-35页 |
| ·多机器人探测任务分配的蚁群算法描述 | 第25-27页 |
| ·机器人探测任务路由规划的蚁群算法描述 | 第27-28页 |
| ·任务探测仿真平台及实验分析 | 第28-35页 |
| ·均分点蚁群算法求解多机器人均衡任务探测 | 第35-40页 |
| ·均分任务探测的数学模型 | 第35-36页 |
| ·均分点蚁群算法(EDPACA)的基本思想 | 第36-37页 |
| ·EDPACA算法实现 | 第37页 |
| ·EDPACA实验结果分析 | 第37-40页 |
| ·机器人团队生成的复杂任务探测 | 第40-45页 |
| ·多机器人团队生成问题 | 第41页 |
| ·混沌蚁群算法求解多机器人团队生成 | 第41-43页 |
| ·团队生成实验结果 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第三章 基于当代学习自适应离散粒子群算法的多机器人任务分配 | 第46-66页 |
| ·多机器人任务分配问题的提出 | 第46-47页 |
| ·混合离散粒子群变异优化策略选取 | 第47-55页 |
| ·广义粒子群算法 | 第47-48页 |
| ·离散粒群优化算法运算规则 | 第48-49页 |
| ·变异优化策略 | 第49-50页 |
| ·混合离散粒子群算法描述 | 第50-51页 |
| ·变异优化策略比较分析 | 第51-55页 |
| ·当代学习自适应混合离散粒子群算法 | 第55-60页 |
| ·融入当代学习机制的粒子运动方程 | 第55页 |
| ·自适应扰动算子 | 第55-56页 |
| ·当代学习自适应混合离散粒子群算法实现 | 第56-57页 |
| ·当代学习自适应混合离散粒子群算法效果分析 | 第57-60页 |
| ·基于最小失败概率的多机器人任务分配仿真分析 | 第60-64页 |
| ·小规模任务分配算法的比较 | 第61-62页 |
| ·中大规模任务分配算法的实现 | 第62-64页 |
| ·本章小结 | 第64-66页 |
| 第四章 群智能的多移动机器人任务规划方法 | 第66-90页 |
| ·基于异质交互式文化混合算法(HICHA)的移动机器人路由规划 | 第66-74页 |
| ·移动机器人路由规划的数学描述 | 第66-67页 |
| ·异质交互式文化混合算法框架 | 第67-69页 |
| ·算法性能分析描述 | 第69-70页 |
| ·路由规划仿真实验分析 | 第70-74页 |
| ·空间正交分配异质文化混合算法在多机器人任务规划中的应用 | 第74-84页 |
| ·多机器人任务规划的NP完全特性 | 第74-77页 |
| ·空间正交吸引子的分配算法 | 第77-78页 |
| ·多机器人任务规划实验分析 | 第78-84页 |
| ·多机器人随机增量任务规划分析 | 第84-89页 |
| ·一般任务规划结果 | 第85-87页 |
| ·随机动态增量任务重规划策略 | 第87-89页 |
| ·本章小结 | 第89-90页 |
| 第五章 移动机器人航迹推算系统的故障诊断 | 第90-111页 |
| ·移动机器人航迹推算系统故障诊断问题的提出 | 第90页 |
| ·群智能粒子滤波器算法的比较分析 | 第90-100页 |
| ·进化粒子滤波器 | 第92-93页 |
| ·粒群优化粒子滤波器 | 第93-94页 |
| ·进化粒子滤波器与粒群优化粒子滤波器仿真实验比较分析 | 第94-100页 |
| ·移动机器人航迹推算系统故障诊断的多模态进化RBPF | 第100-106页 |
| ·基于进化Rao-Blackwellized粒子滤波器的故障诊断 | 第100-102页 |
| ·多模态进化RBPF的故障诊断分析 | 第102-104页 |
| ·MORCS-1实验系统故障模型 | 第104-106页 |
| ·故障诊断实验分析 | 第106-110页 |
| ·本章小结 | 第110-111页 |
| 第六章 结论与展望 | 第111-114页 |
| ·结论 | 第111-112页 |
| ·研究展望 | 第112-114页 |
| 参考文献 | 第114-124页 |
| 致谢 | 第124-125页 |
| 攻读学位期间主要的研究成果 | 第125-127页 |
