改进的免疫遗传算法在基于神经网络的多机器人协作搬运中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| ·研究背景 | 第9-10页 |
| ·多机器人系统的主要研究问题 | 第10-16页 |
| ·多机器人协调 | 第10-12页 |
| ·多机器人协作 | 第12-16页 |
| ·多机器人系统国内外研究现状 | 第16-17页 |
| ·群智能机器人系统 | 第16页 |
| ·自重构机器人系统 | 第16页 |
| ·协作机器人系统 | 第16-17页 |
| ·论文主要研究内容和创新之处 | 第17-19页 |
| ·论文主要内容 | 第17页 |
| ·本文的主要创新之处 | 第17-19页 |
| 第二章 多机器人系统研究的基础理论和方法 | 第19-41页 |
| ·人工神经网络理论 | 第19-28页 |
| ·人工神经元模型 | 第19-23页 |
| ·人工神经网络的特点 | 第23-24页 |
| ·神经网络的拓扑结构及工作方式 | 第24-27页 |
| ·ANN的学习方式 | 第27页 |
| ·ANN的学习算法 | 第27-28页 |
| ·人工免疫算法 | 第28-34页 |
| ·自然免疫系统 | 第28-29页 |
| ·自然免疫系统的特性 | 第29-30页 |
| ·人工免疫系统的应用 | 第30-31页 |
| ·人工免疫算法 | 第31-32页 |
| ·人工免疫算法流程 | 第32-34页 |
| ·智能机器人体系结构概述 | 第34-40页 |
| ·分层递阶结构 | 第34-35页 |
| ·包容结构 | 第35-36页 |
| ·三层结构 | 第36-37页 |
| ·自组织结构 | 第37页 |
| ·分布式结构 | 第37-38页 |
| ·进化控制结构 | 第38-39页 |
| ·社会机器人结构 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 神经网络控制系统的设计研究 | 第41-50页 |
| ·模型建立 | 第41-42页 |
| ·环境的设定 | 第41-42页 |
| ·移动机器人的设定 | 第42页 |
| ·任务描述 | 第42-43页 |
| ·人工神经网络的选择 | 第43-46页 |
| ·神经网络的结构 | 第43页 |
| ·神经网络的功能 | 第43-45页 |
| ·神经网络的学习方式 | 第45-46页 |
| ·改进的人工免疫算法 | 第46-49页 |
| ·对重要物理量的新的定义 | 第46-47页 |
| ·精英保留策略 | 第47-48页 |
| ·改进的免疫遗传算法 | 第48-49页 |
| ·本章小节 | 第49-50页 |
| 第四章 多机器人系统仿真实验设计与结果分析 | 第50-60页 |
| ·环境模块 | 第50-51页 |
| ·机器人功能模块 | 第51页 |
| ·行为控制模块 | 第51-53页 |
| ·神经网络控制器设置 | 第51-52页 |
| ·进化算法中参数的选取 | 第52-53页 |
| ·协作搬运模块 | 第53-54页 |
| ·碰撞消解模块 | 第54页 |
| ·计算机仿真实验及结果分析 | 第54-58页 |
| ·多机器人搬运仿真实验步骤 | 第54-56页 |
| ·IGAE算法和GAES算法的收敛速度比较 | 第56页 |
| ·IGAE和GAES算法的动态收敛特征 | 第56-57页 |
| ·IGAE算法和GAES算法的计算效率比较 | 第57-58页 |
| ·IGAE算法主要参数的影响 | 第58页 |
| ·多机器人搬运仿真组图 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| ·全文总结 | 第60页 |
| ·研究展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表的论文 | 第68页 |
