| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-18页 |
| 1.1 多移动机器人系统现状 | 第10-12页 |
| 1.2 多移动机器人系统主要问题 | 第12-14页 |
| 1.3 目标任务分配的研究状况 | 第14-15页 |
| 1.4 多移动机器人研究方向 | 第15-17页 |
| 1.5 论文的安排与内容 | 第17-18页 |
| 2 多移动机器人任务搜索描述与研究 | 第18-29页 |
| 2.1 任务搜索描述 | 第18-21页 |
| 2.2 任务分配方法及模型 | 第21-24页 |
| 2.2.1 基于市场机制任务分配的模型描述 | 第21-23页 |
| 2.2.2 回报、代价和效益 | 第23-24页 |
| 2.3 组合拍卖 | 第24-26页 |
| 2.3.1 组合拍卖理论 | 第24-25页 |
| 2.3.2 组合拍卖机器人胜标问题 | 第25-26页 |
| 2.4 移动机器人的搜索路径规划 | 第26-28页 |
| 2.4.1 全局路径规划算法 | 第26-28页 |
| 2.4.2 智能路径规划算法 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 任务聚类与均衡任务规划研究 | 第29-38页 |
| 3.1 任务聚类算法 | 第29-33页 |
| 3.1.1 基于K-means聚类任务组合方法 | 第29-31页 |
| 3.1.2 基于Single-linkage聚类任务组合方法 | 第31-33页 |
| 3.2 多移动机器人任务均衡规划模型 | 第33-34页 |
| 3.3 平衡多移动机器人利用机制模型 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 基于改进K-means聚类算法的多移动机器人任务分配研究 | 第38-56页 |
| 4.1 引言 | 第38页 |
| 4.2 一种基于K-means聚类算法的多移动机器人任务分配研究 | 第38-43页 |
| 4.2.1 基于K-Means捆绑式拍卖任务分配方法(KCA) | 第39-40页 |
| 4.2.2 带有即时拍卖的K-Means聚类捆绑式拍卖算法(KCA-I) | 第40页 |
| 4.2.3 任务分配模型 | 第40-43页 |
| 4.3 带有公共子簇的任务组合与分配方法 | 第43-48页 |
| 4.3.1 公共子簇思想 | 第43-44页 |
| 4.3.2 公共子簇中心构造 | 第44-46页 |
| 4.3.3 任务组合与分配 | 第46-48页 |
| 4.4 基于复杂办公环境多移动机器人任务搜索研究 | 第48-55页 |
| 4.4.1 改进最大距离法初始聚类中心选取 | 第48-51页 |
| 4.4.2 带有门栅格的路径规划方法 | 第51-53页 |
| 4.4.3 任务组合与分配 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 仿真与对比实验 | 第56-63页 |
| 5.1 引言 | 第56页 |
| 5.2 地图搭建 | 第56-57页 |
| 5.3 仿真分析与结论 | 第57-62页 |
| 5.3.1 KCA-I仿真对比实验 | 第57-59页 |
| 5.3.2 带有公共子簇多机器人搜索实验 | 第59-60页 |
| 5.3.3 基于复杂环境多机器人搜索实验 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表学术论文情况 | 第69-70页 |
| 致谢 | 第70-71页 |
