| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·多机器人系统的研究现状和背景 | 第9-10页 |
| ·进化多目标优化算法的发展概况 | 第10-12页 |
| ·多目标优化问题研究意义 | 第12页 |
| ·多目标优化方法 | 第12-13页 |
| ·论文的主要工作和章节安排 | 第13-15页 |
| 第二章 多目标优化遗传算法 | 第15-28页 |
| ·多目标优化问题的数学模型 | 第15-16页 |
| ·多目标优化的基本概念 | 第16-17页 |
| ·进化多目标优化的主要算法 | 第17-25页 |
| ·第一代进化多目标优化算法 | 第18-19页 |
| ·第二代进化多目标优化算法 | 第19-23页 |
| ·当前进化多目标优化算法的研究热点 | 第23-25页 |
| ·多目标优化与遗传算法 | 第25-26页 |
| ·多目标优化遗传算法的主要任务 | 第26页 |
| ·多目标优化遗传算法中有待解决的问题 | 第26-28页 |
| ·最优保存策略问题 | 第26页 |
| ·群体多样性问题 | 第26-27页 |
| ·决策偏好问题 | 第27-28页 |
| 第三章 用于多机器人路径规划的多目标混合遗传算法 | 第28-45页 |
| ·路径规划综述 | 第28页 |
| ·环境地图的表示方法 | 第28-30页 |
| ·多机器人路径规划 | 第30-36页 |
| ·基于协进化机制的遗传算法改进思路 | 第31-32页 |
| ·多机器人路径规划问题的多目标优化模型 | 第32-33页 |
| ·多目标混合遗传算法(MOHGA) | 第33-34页 |
| ·信息交换设计 | 第34-36页 |
| ·求解多机器人路径规划问题的多目标混合遗传算法 | 第36-45页 |
| ·群体初始化 | 第36页 |
| ·进化算子的描述 | 第36-38页 |
| ·进化算子概率的选择 | 第38页 |
| ·算法的步骤 | 第38页 |
| ·实验结果与分析 | 第38-45页 |
| 第四章 用于多机器人路径规划的基于群体分类的多目标遗传算法 | 第45-55页 |
| ·惩罚函数法 | 第45-47页 |
| ·多目标法 | 第47-49页 |
| ·区分可行解与不可行解法 | 第48页 |
| ·多目标优化法 | 第48-49页 |
| ·求解多机器人路径规划问题的基于群体分类多目标遗传算法 | 第49-55页 |
| ·群体的划分 | 第49-50页 |
| ·群体适应度 | 第50页 |
| ·群体的初始化 | 第50页 |
| ·算法的实现过程 | 第50-51页 |
| ·实验结果与分析 | 第51-55页 |
| 第五章 总结与展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 读研期间主要科研成果 | 第63页 |