| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第16-26页 |
| 1.1 引言 | 第16-19页 |
| 1.2 研究现状 | 第19-23页 |
| 1.2.1 多智能体系统的动力学模型 | 第19-20页 |
| 1.2.2 鸟群的信息交互机制 | 第20-21页 |
| 1.2.3 数据驱动的多智能体系统仿真 | 第21-22页 |
| 1.2.4 多智能体系统仿真的运动评价模型 | 第22-23页 |
| 1.3 研究目标 | 第23-24页 |
| 1.4 本文工作 | 第24-26页 |
| 1.4.1 主要贡献 | 第24-25页 |
| 1.4.2 本文组织结构 | 第25-26页 |
| 第2章 大规模鸟群的快速仿真 | 第26-40页 |
| 2.1 引言 | 第26-27页 |
| 2.2 相关工作 | 第27-28页 |
| 2.3 自驱动力模型 | 第28-30页 |
| 2.4 结果 | 第30-32页 |
| 2.4.1 实现 | 第30-31页 |
| 2.4.2 仿真结果 | 第31-32页 |
| 2.4.3 本章仿真结果与真实运动的对比 | 第32页 |
| 2.5 结果分析 | 第32-37页 |
| 2.5.1 不同初始密度的结果 | 第33-34页 |
| 2.5.2 凝聚力的权重对结果的影响 | 第34页 |
| 2.5.3 排斥力的权重对结果的影响 | 第34-36页 |
| 2.5.4 稳定信息传递网络下邻居个数对结果的影响 | 第36页 |
| 2.5.5 非稳定信息传递网络下邻居个数对结果的影响 | 第36页 |
| 2.5.6 时间性能 | 第36-37页 |
| 2.6 本章小结 | 第37-40页 |
| 第3章 稳定的信息传递网络对鸟群群体行为产生的影响 | 第40-54页 |
| 3.1 引言 | 第40-41页 |
| 3.2 相关工作 | 第41页 |
| 3.3 稳定的信息传递网络:一个不变的图 | 第41-43页 |
| 3.4 图上的信息传递 | 第43-46页 |
| 3.4.1 信息传递时间 | 第44-46页 |
| 3.4.2 鸟群的信息传递过程 | 第46页 |
| 3.5 稳定的信息传递网络vs.不稳定的信息传递网络 | 第46-51页 |
| 3.5.1 自驱动力模型 | 第47页 |
| 3.5.2 对比 | 第47-51页 |
| 3.6 实现 | 第51页 |
| 3.6.1 信息传递过程的仿真方法 | 第51页 |
| 3.7 本章小结 | 第51-54页 |
| 第4章 基于实时数据驱动优化的混合多智能体系统仿真 | 第54-76页 |
| 4.1 引言 | 第54-56页 |
| 4.2 相关工作 | 第56-57页 |
| 4.2.1 参数估计和真实数据特征 | 第56-57页 |
| 4.2.2 数据驱动的群体仿真 | 第57页 |
| 4.3 基于数据驱动的优化 | 第57-61页 |
| 4.3.1 术语和符号 | 第57-58页 |
| 4.3.2 总体方法 | 第58页 |
| 4.3.3 动力学方程 | 第58-60页 |
| 4.3.4 速度连续性 | 第60页 |
| 4.3.5 碰撞避免 | 第60-61页 |
| 4.3.6 吸引力 | 第61页 |
| 4.3.7 方向控制 | 第61页 |
| 4.4 基于数据驱动优化的多智能体系统仿真 | 第61-64页 |
| 4.4.1 数据集的状态估计 | 第62页 |
| 4.4.2 方向调整 | 第62页 |
| 4.4.3 距离和邻居 | 第62-63页 |
| 4.4.4 快速计算 | 第63-64页 |
| 4.5 结果 | 第64-68页 |
| 4.5.1 数据获取 | 第64-65页 |
| 4.5.2 人群 | 第65-66页 |
| 4.5.3 交通 | 第66-67页 |
| 4.5.4 虚拟现实场景 | 第67-68页 |
| 4.6 性能分析 | 第68-71页 |
| 4.6.1 时间性能 | 第68页 |
| 4.6.2 对比 | 第68-70页 |
| 4.6.3 使用数据集和不使用数据集的情况的仿真结果对比 | 第70-71页 |
| 4.7 用户测试和评价 | 第71-74页 |
| 4.7.1 俯视视角的用户测试 | 第73页 |
| 4.7.2 个体视角的用户测试 | 第73-74页 |
| 4.7.3 VR和桌面显示的用户测试对比 | 第74页 |
| 4.8 本章小结 | 第74-76页 |
| 第5章 基于数据驱动的飞虫运动评价与噪声建模 | 第76-90页 |
| 5.1 引言 | 第76-77页 |
| 5.2 相关工作 | 第77-78页 |
| 5.2.1 聚集行为模型 | 第77页 |
| 5.2.2 噪声函数 | 第77-78页 |
| 5.2.3 评价方法 | 第78页 |
| 5.3 数据驱动的噪声模型 | 第78-87页 |
| 5.3.1 模型评价 | 第78-79页 |
| 5.3.2 时变指标 | 第79-81页 |
| 5.3.3 熵权模型评价 | 第81-82页 |
| 5.3.4 真实数据集 | 第82-83页 |
| 5.3.5 数据驱动的噪声模型 | 第83-84页 |
| 5.3.6 多智能体仿真模型的比较 | 第84-85页 |
| 5.3.7 基于噪声模型的集群行为 | 第85-87页 |
| 5.4 本章小结 | 第87-90页 |
| 第6章 总结与展望 | 第90-94页 |
| 6.1 本文工作总结 | 第90-91页 |
| 6.2 未来工作展望 | 第91-94页 |
| 参考文献 | 第94-106页 |
| 攻读博士学位期间的主要研究成果 | 第106-108页 |
| 致谢 | 第108-109页 |
