| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 引言 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 扩展卡尔曼滤波算法 | 第10页 |
| 1.2.2 粒子滤波算法 | 第10-11页 |
| 1.2.3 粒子群优化的粒子滤波 | 第11页 |
| 1.2.4 遗传算法、神经模糊系统、免疫算法 | 第11-12页 |
| 1.3 MAPSOPF算法原理介绍 | 第12-14页 |
| 1.3.1 PSO算法原理介绍 | 第12-13页 |
| 1.3.2 MAPSOPF算法介绍 | 第13-14页 |
| 1.4 论文主要工作 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第2章 基于MAPSO算法和希尔伯特（Hilbert）探测的多机器人协作建图 | 第16-31页 |
| 2.1 希尔伯特（Hilbert）曲线生成原理 | 第16-21页 |
| 2.1.1 Hilbert曲线简介及生成原理 | 第16-17页 |
| 2.1.2 Hilbert曲线探测算法 | 第17-19页 |
| 2.1.3 Hilbert曲线探测障碍物 | 第19-21页 |
| 2.2 GUI界面设计 | 第21-23页 |
| 2.2.1 GUI简介 | 第21页 |
| 2.2.2 Hilbert曲线探测仿真的GUI设计 | 第21-23页 |
| 2.3 实验分析 | 第23-28页 |
| 2.3.1 一键运行 | 第24-25页 |
| 2.3.2 分步运行 | 第25-28页 |
| 2.4 适应度函数介绍 | 第28-29页 |
| 2.5 MAPSOPF算法流程 | 第29-30页 |
| 2.6 实验结果 | 第30-31页 |
| 第3章 动态环境下多机器人路径规划 | 第31-40页 |
| 3.1 栅格地图表示 | 第31-32页 |
| 3.2 适应度函数介绍 | 第32-33页 |
| 3.2.1 适应度函数一 | 第32页 |
| 3.2.2 适应度函数二 | 第32-33页 |
| 3.3 仿真实验及结果分析 | 第33-40页 |
| 3.3.1 仿真环境 | 第33-34页 |
| 3.3.2 粒子数目对算法性能的影响 | 第34-36页 |
| 3.3.3 MAPSOPF算法与PSOPF算法对比 | 第36-38页 |
| 3.3.4 MAPSOPF算法与改进遗传算法对比 | 第38-40页 |
| 第4章 基于MAPSOPF算法的单机器人定位方法 | 第40-50页 |
| 4.1 定位问题描述 | 第40-41页 |
| 4.2 适应度函数分析 | 第41-43页 |
| 4.3 对比试验及结果分析 | 第43-50页 |
| 4.3.1 实验一：研究粒子数目对算法的影响 | 第43页 |
| 4.3.2 实验二：简单环境下PF、PSOPF和MAPSOPF算法的对比实验 | 第43-45页 |
| 4.3.3 实验三：复杂环境下PF、PSOPF和MAPSOPF算法的对比实验 | 第45-46页 |
| 4.3.4 实验四：EKF、PSOPF和MAPSOPF算法的仿真误差对比 | 第46-48页 |
| 4.3.5 实验五：EKF、PSOPF和MAPSOPF算法在较复杂环境的误差对比 | 第48-50页 |
| 第5章 多机器人协作定位研究 | 第50-57页 |
| 5.1 多机器人和黑板机制原理介绍 | 第50-51页 |
| 5.1.1 多机器人系统介绍 | 第50-51页 |
| 5.1.2 黑板机制简介 | 第51页 |
| 5.2 适应度函数值 | 第51-52页 |
| 5.3 协作定位算法流程 | 第52-54页 |
| 5.3.1 地图初始化 | 第52页 |
| 5.3.2 数据初始化 | 第52-53页 |
| 5.3.3 预测 | 第53页 |
| 5.3.4 更新 | 第53-54页 |
| 5.3.5 采样 | 第54页 |
| 5.3.6 更新黑板信息 | 第54页 |
| 5.4 实验分析 | 第54-57页 |
| 5.4.1 仿真环境 | 第54-55页 |
| 5.4.2 实验数据分析 | 第55-57页 |
| 第6章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第63页 |
