| 致谢 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-10页 |
| Extended Abstract | 第10-19页 |
| 图清单 | 第19-22页 |
| 表清单 | 第22-25页 |
| 变量注释表 | 第25-28页 |
| 1 绪论 | 第28-37页 |
| ·研究动机 | 第28-29页 |
| ·研究目标 | 第29-30页 |
| ·研究内容 | 第30页 |
| ·研究方法 | 第30-33页 |
| ·成果意义 | 第33-34页 |
| ·论文结构 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 2 相关工作综述 | 第37-51页 |
| ·机器人气味源定位 | 第37-43页 |
| ·基于微粒群优化的机器人气味源定位 | 第43-47页 |
| ·基于微粒群优化的机器人路径规划方法 | 第47-49页 |
| ·已有研究成果的局限性 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 3 基于微粒群优化的有限通信多机器人气味源定位 | 第51-72页 |
| ·研究背景 | 第51-52页 |
| ·结合斥力函数的烟羽发现 | 第52-53页 |
| ·基于动态微粒群优化的多机器人协同烟羽跟踪 | 第53-55页 |
| ·算法步骤 | 第55页 |
| ·性能分析 | 第55-58页 |
| ·实验平台 | 第58-62页 |
| ·实验 | 第62-71页 |
| ·本章小结 | 第71-72页 |
| 4 基于骨干微粒群优化的噪声环境多机器人气味源定位 | 第72-85页 |
| ·研究背景 | 第72-73页 |
| ·气味浓度噪声强度的在线估计 | 第73-74页 |
| ·基于骨干微粒群优化的多机器人协同气味源定位 | 第74-76页 |
| ·算法步骤 | 第76-77页 |
| ·性能分析 | 第77-78页 |
| ·实验 | 第78-83页 |
| ·本章小结 | 第83-85页 |
| 5 基于小生境微粒群优化的多气味源机器人协同定位 | 第85-99页 |
| ·研究背景 | 第85-86页 |
| ·基于小生境微粒群优化的多气味源机器人协同定位 | 第86-88页 |
| ·算法步骤 | 第88-89页 |
| ·性能分析 | 第89-91页 |
| ·实验 | 第91-98页 |
| ·本章小结 | 第98-99页 |
| 6 动态环境下基于 SVR-PSO 的多机器人气味源定位 | 第99-114页 |
| ·研究背景 | 第99-100页 |
| ·基于 SVR-PSO 的多机器人协同气味源定位 | 第100-104页 |
| ·算法步骤 | 第104页 |
| ·实验 | 第104-112页 |
| ·本章小结 | 第112-114页 |
| 7 机器人规避危险气味源路径规划问题的多目标微粒群优化 | 第114-130页 |
| ·研究背景 | 第114-115页 |
| ·机器人路径规划问题的数学模型 | 第115-117页 |
| ·基于自适应变异算子的多目标微粒群路径规划 | 第117-120页 |
| ·算法步骤 | 第120页 |
| ·性能分析 | 第120-121页 |
| ·实验 | 第121-129页 |
| ·本章小结 | 第129-130页 |
| 8 结论 | 第130-133页 |
| ·本文工作 | 第130-131页 |
| ·进一步研究的问题 | 第131-133页 |
| 参考文献 | 第133-147页 |
| 作者简历 | 第147-149页 |
| 学位论文数据集 | 第149页 |
