摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
第1章 绪论 | 第16-35页 |
1.1 课题来源 | 第16页 |
1.2 课题的目的和意义 | 第16-19页 |
1.3 国内外的研究现状及分析 | 第19-29页 |
1.3.1 研究概况 | 第19-21页 |
1.3.2 多机协同目标分配方法研究现状 | 第21-24页 |
1.3.3 多机协同航迹规划方法研究现状 | 第24-26页 |
1.3.4 多机协同航迹重规划方法研究现状 | 第26-27页 |
1.3.5 多无人机多任务的协同方法概述 | 第27-29页 |
1.4 存在问题分析 | 第29-30页 |
1.5 主要研究内容 | 第30-35页 |
第2章 复杂多约束多机协同目标分配和航迹规划的统一建模 | 第35-57页 |
2.1 引言 | 第35-36页 |
2.2 MUAS目标分配和航迹规划统一建模 | 第36-41页 |
2.2.1 问题的表示与描述 | 第36-39页 |
2.2.2 协同约束关系分析 | 第39-41页 |
2.3 MUAS的统一目标分配方法 | 第41-45页 |
2.3.1 多机协同统一目标分配模型 | 第41-43页 |
2.3.2 MUAS统一目标分配模型的描述 | 第43-45页 |
2.4 基于垂直切面的航程代价和协同约束 | 第45-48页 |
2.4.1 多机航程代价的估算 | 第45-47页 |
2.4.2 航程代价矩阵构建 | 第47-48页 |
2.5 基于统一目标分配模型的验证 | 第48-52页 |
2.6 实验结果和分析 | 第52-56页 |
2.6.1 验证统一目标分配模型的分配效果 | 第52-55页 |
2.6.2 分配目标数量增多时的效率分析 | 第55-56页 |
2.7 本章小结 | 第56-57页 |
第3章 基于统一目标分配模型的多机协同分配方法 | 第57-81页 |
3.1 引言 | 第57-59页 |
3.2 基于DE算法的多机协同目标分配框架 | 第59-61页 |
3.3 基于统一目标分配模型的基因编码策略 | 第61-64页 |
3.3.1 统一的基因编码策略 | 第61-62页 |
3.3.2 个体编码产生规则 | 第62-64页 |
3.4 基于DMDE的MUAS协同统一多目标分配 | 第64-69页 |
3.4.1 离散差分映射规则 | 第64-67页 |
3.4.2 混合进化策略的DMDE算法 | 第67-69页 |
3.5 DMDE算法分析和控制参数选择 | 第69-72页 |
3.5.1 DMDE算法理论和性能分析 | 第69-71页 |
3.5.2 DMDE算法参数选择 | 第71-72页 |
3.6 实验结果和分析 | 第72-80页 |
3.6.1 算法的有效性和适应性 | 第74-77页 |
3.6.2 DMDE算法的性能 | 第77-78页 |
3.6.3 DMDE与同类目标分配算法的比较 | 第78-80页 |
3.7 本章小结 | 第80-81页 |
第4章 基于空间模糊表示的多机协同航迹规划方法 | 第81-108页 |
4.1 引言 | 第81-82页 |
4.2 基于任务属性的空间模糊表示 | 第82-87页 |
4.2.1 空间点的模糊集表示 | 第82-83页 |
4.2.2 模糊隶属度函数设计 | 第83-86页 |
4.2.3 截集优选关键路径点 | 第86-87页 |
4.3 基于文化算法的MUAS协同航迹规划方法研究 | 第87-94页 |
4.3.1 空间模糊文化算法的航迹规划框架 | 第87-89页 |
4.3.2 基于模糊表示的信念集构成和更新 | 第89-91页 |
4.3.3 种群集上基于MODE的协同航迹规划 | 第91-94页 |
4.4 算法理论分析和参数选择 | 第94-97页 |
4.4.1 空间模糊表示和文化算法理论分析 | 第94-96页 |
4.4.2 控制参数分析和算法流程 | 第96-97页 |
4.5 基于B样条拟合的MUAS协同航迹平滑 | 第97-101页 |
4.5.1 三维空间中的B样条拟合航迹平滑方法 | 第97-99页 |
4.5.2 反求控制点的三维B样条航迹平滑 | 第99-101页 |
4.6 实验结果与分析 | 第101-107页 |
4.6.1 协同航迹规划可行性实验 | 第101-103页 |
4.6.2 与常用协同规划算法的对比分析 | 第103-104页 |
4.6.3 与其他文化算法的对比分析 | 第104-106页 |
4.6.4 航迹平滑效果与其他策略对比分析 | 第106-107页 |
4.7 本章小结 | 第107-108页 |
第5章 动态环境下多阶段多机协同航迹重规划方法 | 第108-131页 |
5.1 引言 | 第108-110页 |
5.2 MUAS协同航迹重规划任务模型 | 第110-113页 |
5.2.1 重规划问题描述和难点分析 | 第110-111页 |
5.2.2 基于CFCM和多Q学习的重规划模型 | 第111-113页 |
5.3 基于CFCM聚类的多任务状态空间划分 | 第113-118页 |
5.3.1 协同相关系数和模糊协同矩阵 | 第113-114页 |
5.3.2 聚类空间优化和初始中心设定 | 第114-115页 |
5.3.3 基于模糊协同矩阵的CFCM | 第115-116页 |
5.3.4 CFCM的参数选择准则 | 第116-118页 |
5.4 基于CFCM的多Q学习航迹重规划 | 第118-124页 |
5.4.1 环境更新和重规划区域设定 | 第118-119页 |
5.4.2 基于协同模糊回报函数的Q学习 | 第119-121页 |
5.4.3 改进的状态转移动作集设定 | 第121-122页 |
5.4.4 基于CFCM的多Q学习协同航迹重规划 | 第122-124页 |
5.5 实验结果与分析 | 第124-130页 |
5.5.1 协同航迹重规划可行性实验 | 第124-128页 |
5.5.2 比较采用不同回报函数的Q学习算法效果 | 第128-129页 |
5.5.3 与其他动态规划方法的比较 | 第129-130页 |
5.6 本章小结 | 第130-131页 |
结论 | 第131-133页 |
参考文献 | 第133-145页 |
攻读博士学位期间发表的论文及其它成果 | 第145-147页 |
致谢 | 第147-148页 |
个人简历 | 第148页 |