| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 引言 | 第11页 |
| 1.2 多机器人系统的应用特点 | 第11-13页 |
| 1.3 多机器人系统的研究现状 | 第13-15页 |
| 1.3.1 路径规划 | 第13页 |
| 1.3.2 任务分配 | 第13-14页 |
| 1.3.3 避障控制 | 第14页 |
| 1.3.4 编队控制 | 第14-15页 |
| 1.4 本文的主要工作 | 第15-16页 |
| 1.5 本文的组织结构 | 第16-17页 |
| 第二章 协作进化路径规划原理与应用 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 协作进化算法的发展现状 | 第17-18页 |
| 2.3 其他智能优化算法 | 第18-23页 |
| 2.3.1 基于模糊算法的多机器人路径规划 | 第18页 |
| 2.3.2 基于神经网络的多机器人路径规划 | 第18页 |
| 2.3.3 基于行为的多机器人路径规划 | 第18-19页 |
| 2.3.4 基于人工势场法的多机器人路径规划 | 第19页 |
| 2.3.5 基于图论理论的环境建模的多机器人路径规划 | 第19-20页 |
| 2.3.6 基于RRT环境建模的多机器人路径规划 | 第20-23页 |
| 第三章 未知环境下的多机器人协作进化路径规划 | 第23-34页 |
| 3.1 引言 | 第23页 |
| 3.2 问题描述 | 第23-24页 |
| 3.3 初始种群与重要路径 | 第24-27页 |
| 3.3.1 轨迹编码方式 | 第24页 |
| 3.3.2 局部路径规划方法 | 第24-25页 |
| 3.3.3 重要路径的生成 | 第25-27页 |
| 3.4 基于变染色体长度的协作进化的路径规划 | 第27-29页 |
| 3.4.1 变染色体长度路径规划算法 | 第27-28页 |
| 3.4.2 适应度函数与各类算子 | 第28-29页 |
| 3.4.3 路径检验 | 第29页 |
| 3.5 仿真实验 | 第29-32页 |
| 3.6 结论 | 第32-34页 |
| 第四章 未知环境下多目标的多机器人协作进化路径规划研究 | 第34-45页 |
| 4.1 引言 | 第34-35页 |
| 4.2 问题描述 | 第35页 |
| 4.3 初始种群与重要路径 | 第35-39页 |
| 4.3.1 轨迹编码方式 | 第35-36页 |
| 4.3.2 多机器人局部路径规划方法 | 第36-37页 |
| 4.3.3 初始各子种群的生成与子种群间协作进化 | 第37-39页 |
| 4.4 基于子种群间合作的多目标协作进化的路径规划 | 第39-41页 |
| 4.4.1 子种群间协作进化路径规划算法 | 第39-40页 |
| 4.4.2 适应度函数与各类算子 | 第40-41页 |
| 4.4.3 路径检验 | 第41页 |
| 4.5 仿真实验 | 第41-44页 |
| 4.6 结论 | 第44-45页 |
| 第五章 感知社区环境下多机器人协作进化路径规划 | 第45-55页 |
| 5.1 引言 | 第45页 |
| 5.2 基于行为的运动控制 | 第45-47页 |
| 5.3 社区感知网络的构建 | 第47页 |
| 5.4 社区环境内的机器人路径规划 | 第47-48页 |
| 5.5 基于社区感知网络的多机器人协作路径规划算法 | 第48-50页 |
| 5.5.1 初始路径的产生 | 第48-49页 |
| 5.5.2 协作算法分析 | 第49-50页 |
| 5.6 仿真实验 | 第50-54页 |
| 5.6.1 社区环境介绍 | 第50-51页 |
| 5.6.2 算法结果与分析 | 第51-54页 |
| 5.7 结论 | 第54-55页 |
| 第六章 总结和展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 进一步的研究工作 | 第55-57页 |
| 参考文献 | 第57-67页 |
| 致谢 | 第67-69页 |
| 附录 | 第69-71页 |
