| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 课题研究的背景和意义 | 第12-13页 |
| 1.2 AUV研究现状 | 第13-14页 |
| 1.3 多AUV系统国内外研究现状 | 第14-16页 |
| 1.3.1 国外多AUV系统研究现状 | 第15-16页 |
| 1.3.2 国内多AUV系统的研究现状 | 第16页 |
| 1.4 面向多AUV的协同任务分配方法研究现状 | 第16-21页 |
| 1.5 本文组织及主要研究内容 | 第21-24页 |
| 第2章 多AUV协同任务分配模型构建 | 第24-32页 |
| 2.1 引言 | 第24页 |
| 2.2 构建多AUV系统体系结构 | 第24-27页 |
| 2.3 建立任务分配模型 | 第27-31页 |
| 2.3.1 任务分配问题描述 | 第27-28页 |
| 2.3.2 任务分配的模型分析 | 第28-29页 |
| 2.3.3 任务分配要素分析 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于蚁群算法的多AUV协同任务分配优化算法 | 第32-44页 |
| 3.1 引言 | 第32页 |
| 3.2 蚁群算法原理 | 第32-34页 |
| 3.3 蚁群算法的数学模型 | 第34-36页 |
| 3.3.1 蚂蚁的路径选择 | 第34-35页 |
| 3.3.2 蚂蚁的信息素更新 | 第35-36页 |
| 3.4 蚁群算法的参数设置 | 第36-37页 |
| 3.4.1 蚁群数目m | 第36页 |
| 3.4.2 挥发系数 ? | 第36页 |
| 3.4.3 启发因子? | 第36-37页 |
| 3.4.4 启发因子 ? | 第37页 |
| 3.5 蚁群算法的求解步骤 | 第37-38页 |
| 3.6 蚁群算法存在的问题 | 第38-40页 |
| 3.6.1 任务选择时的局限性 | 第39页 |
| 3.6.2 信息素更新的局限性 | 第39页 |
| 3.6.3 算法局部搜索的局限性 | 第39-40页 |
| 3.7 改进蚁群算法 | 第40-43页 |
| 3.7.1 任务点的选择 | 第40-41页 |
| 3.7.2 算法的信息素更新改进 | 第41-42页 |
| 3.7.3 去交叉的方法改进 | 第42-43页 |
| 3.8 本章小结 | 第43-44页 |
| 第4章 基于粒子群算法的多AUV协同任务分配优化算法 | 第44-60页 |
| 4.1 引言 | 第44页 |
| 4.2 基本粒子群算法 | 第44-46页 |
| 4.3 改进的标准粒子群算法 | 第46-47页 |
| 4.4 基于动力学PSO算法的敛散性分析 | 第47-50页 |
| 4.4.1 PSO算法的动力学模型 | 第47-49页 |
| 4.4.2 PSO算法的动力学离散系统分析 | 第49-50页 |
| 4.5 粒子群算法中粒子运动轨迹的分析 | 第50-58页 |
| 4.5.1 粒子运动过程中的位置分析 | 第50-53页 |
| 4.5.2 粒子运动过程中的速度分析 | 第53-54页 |
| 4.5.3 粒子的最优位置对运动轨迹的影响 | 第54-57页 |
| 4.5.4 算法敛散性与粒子的运动轨迹的相互关系 | 第57-58页 |
| 4.6 本章小结 | 第58-60页 |
| 第5章 多AUV协同任务分配算法仿真 | 第60-67页 |
| 5.1 引言 | 第60页 |
| 5.2 基于Matlab的仿真环境介绍 | 第60-61页 |
| 5.3 基于蚁群算法的Matlab仿真 | 第61-62页 |
| 5.4 基于粒子群算法的Matlab仿真 | 第62-66页 |
| 5.5 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第73-74页 |
| 致谢 | 第74-75页 |