多智能体救援仿真系统研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景及研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·可移动智能体的路径规划方法 | 第10-11页 |
| ·多智能体系统协作机制的研究 | 第11-13页 |
| ·主要研究内容 | 第13页 |
| ·论文的组织结构 | 第13-15页 |
| 第2章 机器人救援仿真系统概述 | 第15-24页 |
| ·多智能体救援仿真系统构成 | 第15-17页 |
| ·多智能体救援仿真过程 | 第17-18页 |
| ·多智能体救援仿真系统中的智能体 | 第18-19页 |
| ·多智能体救援仿真系统的仿真场景 | 第19-20页 |
| ·多智能体通信原理及控制的常用方法 | 第20-21页 |
| ·RoboCup救援仿真系统中的任务指标 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于改进蚁群算法的多智能体路径规划 | 第24-39页 |
| ·基本蚁群算法的原理 | 第24-27页 |
| ·蚁群行为描述 | 第24-25页 |
| ·基本蚁群算法的数学模型 | 第25-26页 |
| ·基本蚁群算法的实现步骤 | 第26-27页 |
| ·基本蚁群算法的程序流程图 | 第27页 |
| ·基于改进蚁群算法路径规划算法 | 第27-30页 |
| ·基于改进启发函数的状态转移规则的蚁群算法 | 第28-29页 |
| ·基于调节信息素挥发度的自适应蚁群算法 | 第29-30页 |
| ·基于改进蚁群算法在机器人救援仿真系统中的应用 | 第30-34页 |
| ·机器人救援仿真系统中的路径模型 | 第30-32页 |
| ·在机器人救援仿真系统中改进蚁群算法的应用 | 第32-34页 |
| ·仿真结果与数据分析 | 第34-38页 |
| ·仿真比赛得分的比较 | 第34-35页 |
| ·市民获救比例比较 | 第35-36页 |
| ·建筑物保护情况比较 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于竞拍方式的多智能体任务分配算法 | 第39-49页 |
| ·多智能体的任务分配 | 第39-40页 |
| ·基于拍卖的任务分配算法 | 第40-43页 |
| ·竞拍规则 | 第40页 |
| ·ABGC拍卖数学模型 | 第40-42页 |
| ·ABGC拍卖算法 | 第42-43页 |
| ·贪心策略的动态任务调整 | 第43-44页 |
| ·贪心策略 | 第44页 |
| ·拍卖算法的贪心动态调整 | 第44页 |
| ·ABGC算法在RCRSS中的应用 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 基于Q学习思想的多智能体任务协作方法 | 第49-57页 |
| ·多智能体的协作 | 第49-50页 |
| ·多智能体的协作目的 | 第49-50页 |
| ·多智能体的任务共享和结果共享 | 第50页 |
| ·RCRSS系统中的协作问题 | 第50-51页 |
| ·Agent基于Q学习的协作方法 | 第51-54页 |
| ·强化学习 | 第51-53页 |
| ·Q学习算法在多智能体系统中的应用 | 第53-54页 |
| ·Q学习思想在RCRSS中的应用及仿真结果说明 | 第54-56页 |
| ·多智能体系统中动作空间的建立 | 第54-55页 |
| ·多智能体系统中值函数的建立 | 第55页 |
| ·多智能体系统中奖赏函数的建立 | 第55-56页 |
| ·仿真结果说明 | 第56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第63-64页 |
| 致谢 | 第64页 |
