| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·论文研究背景 | 第11-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·研究现状评述 | 第15-16页 |
| ·本文的研究内容 | 第16-17页 |
| ·本文的组织结构 | 第17-18页 |
| 第2章 多 UCAV 任务分配的基础理论 | 第18-25页 |
| ·多UCAV 任务分配问题描述 | 第18-21页 |
| ·决策变量定义 | 第18页 |
| ·多UCAV 任务规划中不确定因素或不确定信息描述 | 第18-19页 |
| ·决策指标描述 | 第19-20页 |
| ·约束条件描述 | 第20-21页 |
| ·多UCAV 任务分配算法介绍 | 第21-24页 |
| ·蚁群算法 | 第21-22页 |
| ·粒子群优化算法 | 第22-23页 |
| ·基于图论的方法 | 第23页 |
| ·合同网协议 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于遗传算法的不确定环境下多 UCAV 实时任务分配研究 | 第25-37页 |
| ·不确定环境下任务分配数学模型 | 第25-29页 |
| ·遗传算法 | 第29-31页 |
| ·遗传算法设计 | 第30页 |
| ·染色体编码 | 第30页 |
| ·遗传算法的处理过程 | 第30-31页 |
| ·仿真实验 | 第31-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于SMAA 的不确定环境下多 UCAV 动态任务分配方法 | 第37-47页 |
| ·不确定环境下任务分配模型 | 第37-40页 |
| ·目标价值收益指标函数 | 第38页 |
| ·毁伤代价指标函数 | 第38-39页 |
| ·航程代价指标函数 | 第39-40页 |
| ·基于SMAA 不确定信息条件下的多UCAV 任务分配方法 | 第40-41页 |
| ·仿真实验 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 基于理想点法的不确定环境下多 UCAV 任务分配 | 第47-55页 |
| ·不确定环境下的任务分配问题评价指标描述 | 第47-48页 |
| ·不确定环境下基于理想点法的多UCAV 任务分配方法 | 第48-51页 |
| ·应用实例 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 附录Ⅰ 基于遗传算法的不确定环境下多 UCAV 实时任务分配程序清单 | 第57-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第66页 |
