| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 课题的研究现状 | 第9-10页 |
| 1.3 论文的主要工作及章节安排 | 第10-12页 |
| 第二章 RoboCup机器人救援仿真 | 第12-25页 |
| 2.1 RoboCup机器人救援项目概述 | 第12-15页 |
| 2.1.1 RoboCup机器人救援 | 第12页 |
| 2.1.2 RoboCup机器人救援仿真 | 第12-14页 |
| 2.1.3 RoboCup机器人救援仿真国内外研究状况 | 第14-15页 |
| 2.2 RoboCup机器人救援仿真 | 第15-21页 |
| 2.2.1 机器人救援仿真场景 | 第15-17页 |
| 2.2.2 RCR Agents | 第17-18页 |
| 2.2.3 智能体感知模型 | 第18页 |
| 2.2.4 比赛计分模型 | 第18-19页 |
| 2.2.5 智能体通信模型 | 第19页 |
| 2.2.6 RCRSS结构 | 第19-20页 |
| 2.2.7 RCRSS仿真过程 | 第20-21页 |
| 2.3 Apollo-Rescue救援智能体结构 | 第21-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 Apollo-Rescue世界模型的构建 | 第25-41页 |
| 3.1 引言 | 第25页 |
| 3.2 Apollo-Rescue智能体世界模型 | 第25-26页 |
| 3.3 城市地图信息处理 | 第26-32页 |
| 3.3.1 地图信息抽象化 | 第26-27页 |
| 3.3.2 基于K-means方法的地图聚类 | 第27-30页 |
| 3.3.3 基于Graham算法燃烧建筑建模 | 第30-32页 |
| 3.4 市民及燃烧建筑的仿真模型 | 第32-34页 |
| 3.5 世界模型中噪声信息的处理 | 第34-40页 |
| 3.5.1 智能体感知信息噪声 | 第34-35页 |
| 3.5.2 粒子滤波算法 | 第35-37页 |
| 3.5.3 仿真结果 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 拍卖算法任务分配协作机制 | 第41-67页 |
| 4.1 引言 | 第41页 |
| 4.2 机器人救援仿真中的协作问题 | 第41-42页 |
| 4.3 拍卖协作机制 | 第42-48页 |
| 4.3.1 拍卖简介 | 第42页 |
| 4.3.2 拍卖算法协作模型 | 第42-46页 |
| 4.3.3 拍卖智能体流程 | 第46-47页 |
| 4.3.4 竞拍智能体流程 | 第47-48页 |
| 4.4 任务紧急程度投标策略 | 第48-51页 |
| 4.4.1 投标模型描述 | 第48-50页 |
| 4.4.2 参数优化 | 第50-51页 |
| 4.5 基于焦虑度的动态调整 | 第51-52页 |
| 4.6 实验分析 | 第52-66页 |
| 4.6.1 救护智能体协作实现 | 第52-59页 |
| 4.6.2 消防智能体协作实现 | 第59-64页 |
| 4.6.3 与其它队伍综合比较 | 第64-66页 |
| 4.7 本章小结 | 第66-67页 |
| 第五章 基于改进蚁群算法的智能体动态路径规划 | 第67-82页 |
| 5.1 引言 | 第67页 |
| 5.2 机器人救援环境中的路径规划问题 | 第67-69页 |
| 5.3 蚁群算法基本实现 | 第69-71页 |
| 5.4 改进的蚁群算法描述 | 第71-76页 |
| 5.5 实验分析 | 第76-81页 |
| 5.5.1 蚁群算法 | 第76-78页 |
| 5.5.2 与A星算法比较 | 第78-81页 |
| 5.6 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 全文总结 | 第82页 |
| 6.2 工作展望 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第88-89页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第89-90页 |
| 附录3 攻读硕士学位期间参加比赛所获荣誉 | 第90-91页 |
| 致谢 | 第91页 |