| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·选题的意义 | 第11-12页 |
| ·研究内容 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| 第二章 多智能体系统和协同控制问题概述 | 第14-23页 |
| ·多智能体系统概述 | 第14-19页 |
| ·多智能体系统 | 第14-17页 |
| ·移动感知Agent的数学模型 | 第17-19页 |
| ·多智能体系统协同控制 | 第19-22页 |
| ·协同控制问题概述 | 第19页 |
| ·协同控制中的基本问题 | 第19-21页 |
| ·协同控制未来面临的问题 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 梯度场中的分布式学习算法研究 | 第23-30页 |
| ·引言 | 第23页 |
| ·不考虑噪声的分布式预测学习算法N-NMDLA | 第23-25页 |
| ·基于噪声测量的分布式预测学习算法NMDLA | 第25-28页 |
| ·实验结果 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 梯度场中多智能体系统协同控制算法研究 | 第30-37页 |
| ·引言 | 第30页 |
| ·群集的行为 | 第30-33页 |
| ·势能函数控制下的群集的行为 | 第30-32页 |
| ·基于局部决策变量的群集行为规则控制模型BODVSR | 第32-33页 |
| ·梯度场中基于预测的协同控制算法 | 第33-34页 |
| ·实验结果 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 梯度场空间中多智能体协同控制模型MAS-CCBOGFM | 第37-45页 |
| ·引言 | 第37页 |
| ·模型框架 | 第37-39页 |
| ·单智能体的结构 | 第37-39页 |
| ·多智能体系统结构 | 第39页 |
| ·感知器 | 第39-40页 |
| ·逻辑推理单元设计 | 第40-42页 |
| ·基于卡尔曼滤波预测推理 | 第40-42页 |
| ·基于群体行为规则推理 | 第42页 |
| ·效应器的设计 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第六章 结论与展望 | 第45-47页 |
| ·论文完成主要工作 | 第45页 |
| ·进一步的工作展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士期间发表的学术论文和参加科研情况 | 第50-51页 |
| 致谢 | 第51页 |