| 中文摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-25页 |
| 1.1 课题背景与意义 | 第12-13页 |
| 1.2 研究现状分析 | 第13-22页 |
| 1.2.1 国内外研究现状 | 第13-21页 |
| 1.2.2 存在的不足 | 第21-22页 |
| 1.3 本文主要研究工作及创新点 | 第22-23页 |
| 1.4 本文组织结构 | 第23-25页 |
| 第2章 数字地形及基于动态贝叶斯网络的气象威胁建模 | 第25-42页 |
| 2.1 数字地形建模 | 第25-31页 |
| 2.1.1 最近邻插值方法 | 第27-28页 |
| 2.1.2 双线性插值方法 | 第28-29页 |
| 2.1.3 三次Spline曲线插值方法 | 第29-31页 |
| 2.2 动态贝叶斯网络 | 第31-34页 |
| 2.2.1 动态贝叶斯网络定义 | 第31-33页 |
| 2.2.2 隐马尔科夫模型推理机制 | 第33-34页 |
| 2.3 基于离散模糊的动态贝叶斯网络气象建模及仿真 | 第34-37页 |
| 2.3.1 影响气象威胁度的相关因子 | 第34-35页 |
| 2.3.2 各因子的量化 | 第35-36页 |
| 2.3.3 确定条件概率表及转移概率表 | 第36-37页 |
| 2.4 气象威胁评估结果及分析 | 第37-40页 |
| 2.5 本章小结 | 第40-42页 |
| 第3章 多UAV动态任务分配离散免疫多agent算法 | 第42-64页 |
| 3.1 人工免疫系统 | 第42-45页 |
| 3.1.1 人工免疫系统概念 | 第42-43页 |
| 3.1.2 人工免疫算法 | 第43-45页 |
| 3.2 人工免疫多Agent系统 | 第45-47页 |
| 3.3 任务分配的数学模型 | 第47-50页 |
| 3.4 离散免疫多Agent算法 | 第50-54页 |
| 3.4.1 编码方式 | 第50页 |
| 3.4.2 通讯机制 | 第50-51页 |
| 3.4.3 免疫记忆算子 | 第51页 |
| 3.4.4 邻域克隆算子 | 第51-52页 |
| 3.4.5 邻域抑制算子 | 第52页 |
| 3.4.6 邻域激励算子 | 第52页 |
| 3.4.7 自学习算子 | 第52-54页 |
| 3.5 仿真结果与分析 | 第54-62页 |
| 3.6 本章小结 | 第62-64页 |
| 第4章 基于禁忌准则的UAV航线规划克隆选择算法 | 第64-85页 |
| 4.1 无人机动力学约束 | 第64-67页 |
| 4.2 航线规划中的改进稀疏A*算法 | 第67-70页 |
| 4.3 基于禁忌准则的克隆选择算法 | 第70-75页 |
| 4.3.1 抗体编码、抗体-抗原间亲和度度量及抗体间亲和力计算 | 第71页 |
| 4.3.2 免疫选择操作 | 第71-72页 |
| 4.3.3 交叉、高频变异及禁忌操作 | 第72-75页 |
| 4.4 基于禁忌准则的无人机航线规划克隆选择算法 | 第75-79页 |
| 4.4.1 编码设计 | 第76-77页 |
| 4.4.2 疫苗提取 | 第77页 |
| 4.4.3 适应度函数的构造 | 第77-79页 |
| 4.5 仿真结果与分析 | 第79-82页 |
| 4.6 基于三次Cardinal曲线的航线平滑 | 第82-83页 |
| 4.7 本章小结 | 第83-85页 |
| 第5章 基于贝叶斯网络的UAV任务规划质量评估方法 | 第85-98页 |
| 5.1 静态贝叶斯网络 | 第85-87页 |
| 5.1.1 贝叶斯参数学习 | 第86页 |
| 5.1.2 贝叶斯推理 | 第86-87页 |
| 5.2 变量消元算法 | 第87-90页 |
| 5.3 基于静态贝叶斯网络的任务规划评估方法 | 第90-95页 |
| 5.3.1 任务规划评估模型 | 第92-93页 |
| 5.3.2 各因子量化及条件概率表确定 | 第93-95页 |
| 5.4 任务规划评估结果及分析 | 第95-97页 |
| 5.5 本章小结 | 第97-98页 |
| 第6章 总结及展望 | 第98-101页 |
| 6.1 全文总结 | 第98-99页 |
| 6.2 展望 | 第99-101页 |
| 参考文献 | 第101-113页 |
| 攻读博士学位期间发表论文情况 | 第113-114页 |
| 致谢 | 第114页 |
