障碍环境下多机器人路径规划与任务分配研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 路径规划研究现状 | 第11-13页 |
| 1.2.1 全局路径规划方法 | 第12页 |
| 1.2.2 局部路径规划方法 | 第12-13页 |
| 1.3 任务分配研究现状 | 第13-15页 |
| 1.4 本文的主要研究内容及结构安排 | 第15-17页 |
| 第2章 问题描述及数学模型 | 第17-23页 |
| 2.1 问题描述及系统框架 | 第17-18页 |
| 2.2 路径规划 | 第18-19页 |
| 2.2.1 路径规划问题描述 | 第18页 |
| 2.2.2 路径规划难点 | 第18-19页 |
| 2.2.3 路径规划基本原则 | 第19页 |
| 2.2.4 路径规划数学模型 | 第19页 |
| 2.3 任务分配 | 第19-22页 |
| 2.3.1 任务分配分类 | 第20页 |
| 2.3.2 任务分配难点 | 第20页 |
| 2.3.3 任务分配基本原则 | 第20-21页 |
| 2.3.4 任务分配数学模型 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于改进的A*算法机器人路径规划 | 第23-36页 |
| 3.1 A*算法 | 第23-25页 |
| 3.1.1 Dijkstra算法简介 | 第23页 |
| 3.1.2 A*算法概述 | 第23-24页 |
| 3.1.3 A*算法流程 | 第24-25页 |
| 3.2 改进的A*算法 | 第25-35页 |
| 3.2.1 邻域扩展 | 第26-27页 |
| 3.2.2 路径平滑 | 第27-28页 |
| 3.2.3 改进的A*算法流程 | 第28-29页 |
| 3.2.4 实验与讨论 | 第29-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 基于改进的遗传算法多机器人任务分配 | 第36-57页 |
| 4.1 遗传算法 | 第36-37页 |
| 4.1.1 遗传算法概述 | 第36页 |
| 4.1.2 遗传算法优点 | 第36页 |
| 4.1.3 遗传算法原理及流程 | 第36-37页 |
| 4.2 改进的遗传算法 | 第37-44页 |
| 4.2.1 染色体编码 | 第37-38页 |
| 4.2.2 适应度函数的设计 | 第38-39页 |
| 4.2.3 选择操作 | 第39-40页 |
| 4.2.4 交叉操作 | 第40-42页 |
| 4.2.5 变异操作 | 第42页 |
| 4.2.6 并行结构 | 第42-43页 |
| 4.2.7 改进的遗传算法流程 | 第43-44页 |
| 4.3 实验与讨论 | 第44-55页 |
| 4.3.1 无障碍环境下多机器人任务分配 | 第44-48页 |
| 4.3.2 障碍环境下多机器人任务分配 | 第48-55页 |
| 4.4 本章小结 | 第55-57页 |
| 总结与展望 | 第57-59页 |
| 论文总结 | 第57-58页 |
| 论文不足及展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 附录A 攻读学位期间所发表的学术成果 | 第64页 |
