| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15页 |
| 1.2 情感机器人 | 第15-17页 |
| 1.3 多情感机器人追捕的研究现状 | 第17-21页 |
| 1.3.1 多机器人系统 | 第17-19页 |
| 1.3.2 多机器人追捕 | 第19-20页 |
| 1.3.3 多情感机器人追捕问题 | 第20-21页 |
| 1.4 本文的主要内容 | 第21-23页 |
| 第二章 机器人情感理论模型 | 第23-31页 |
| 2.1 情感基本理论 | 第23-27页 |
| 2.1.1 情感的表示 | 第23-25页 |
| 2.1.2 情感的建模 | 第25-27页 |
| 2.2 个性基本理论 | 第27-29页 |
| 2.2.1 个性的基本概念 | 第27-28页 |
| 2.2.2 个性的模型 | 第28-29页 |
| 2.3 基于个性的情感更新模型 | 第29-30页 |
| 2.3.1 情感衰减模型 | 第29页 |
| 2.3.2 情感刺激模型 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于自组织算法的情感机器人追捕任务分配 | 第31-45页 |
| 3.1 多机器人任务分配算法 | 第31-32页 |
| 3.2 情感模型与决策 | 第32-35页 |
| 3.2.1 机器人情感模型 | 第32-33页 |
| 3.2.2 情感决策过程 | 第33-35页 |
| 3.2.3 竞争获胜函数值调整 | 第35页 |
| 3.3 自组织任务分配算法 | 第35-39页 |
| 3.3.1 SOM自组织神经网络结构 | 第36页 |
| 3.3.2 竞争获胜函数重构 | 第36-37页 |
| 3.3.3 获胜邻域 | 第37页 |
| 3.3.4 权值调整与追捕策略 | 第37-38页 |
| 3.3.5 算法流程 | 第38-39页 |
| 3.4 实验 | 第39-44页 |
| 3.4.1 参数设定与可行性实验 | 第39-40页 |
| 3.4.2 对比实验与分析 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于DIMCSA势点分配的多情感机器人追捕算法 | 第45-58页 |
| 4.1 多机器人追捕算法 | 第45页 |
| 4.2 基于势点围捕的算法 | 第45-47页 |
| 4.2.1 传统人工势场法 | 第45-46页 |
| 4.2.2 改进人工势场法 | 第46-47页 |
| 4.3 基于DIMCSA势点分配的追捕算法 | 第47-53页 |
| 4.3.1 势点分配ANN网络结构 | 第48-49页 |
| 4.3.2 人工免疫塔式模型 | 第49-50页 |
| 4.3.3 DIMCSA优化ANN权值流程 | 第50-53页 |
| 4.3.4 势点分配追捕算法流程 | 第53页 |
| 4.4 实验 | 第53-56页 |
| 4.4.1 势点分配追捕算法可行性实验 | 第53-54页 |
| 4.4.2 情感影响势点分配实验 | 第54-55页 |
| 4.4.3 大规模追捕对比实验与分析 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58页 |
| 5.2 未来工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第64-65页 |