首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

基于蚁群算法的分布式多智能体任务分配研究

摘要第1-4页
ABSTRACT第4-7页
目录第7-9页
第一章 绪论第9-18页
   ·研究背景第9-10页
   ·研究现状第10-16页
   ·本文的研究内容和主要工作第16-17页
     ·研究内容第16页
     ·主要工作第16-17页
   ·论文组织结构第17-18页
第二章 相关理论介绍第18-45页
   ·Agent与MAS系统第18-28页
     ·Agent技术概述第18-23页
     ·MAS理论第23-28页
   ·蚁群算法与其他启发式算法第28-41页
     ·其他启发式算法第28-33页
     ·蚁群算法第33-41页
   ·在分布式系统的任务分配理论第41-43页
   ·本章小结第43-45页
第三章 基于效用的任务分配模型UTAM第45-53页
   ·效用第45页
   ·基于效用的任务分配问题定义第45-46页
   ·UTAM任务分配模型分析第46-48页
   ·UTAM任务分配模型的数学描述第48-50页
   ·UTAM分配模型讨论第50-51页
   ·UTAM模型架构第51-52页
   ·本章小结第52-53页
第四章 基于蚁群算法的分布式任务分配机制RPASTA第53-71页
   ·改进蚁群算法RPAS的算法设计与比较第53-56页
   ·基于RPAS的任务分配机制RPASTA描述第56-60页
   ·RPASTA的分配过程第60-62页
   ·RPASTA的功能设计第62-63页
   ·RPASTA工作流程第63-64页
   ·实例分析与仿真第64-69页
     ·实例分析第64-65页
     ·算法主要参数的选取第65-68页
     ·仿真结果第68-69页
   ·本章小结第69-71页
第五章 RPASTA任务分配机制的应用第71-80页
   ·系统应用背景第71-72页
   ·系统分析与设计第72-75页
   ·系统实现与流程第75-76页
   ·实验数据分析第76-79页
   ·本章小结第79-80页
第六章 结论与展望第80-82页
   ·研究结论第80-81页
   ·进一步展望第81-82页
参考文献第82-86页
攻读硕士论文期间发表的论文第86页
攻读硕士论文期间参加的课题和项目第86-87页
附录 部分重要代码展示第87-103页
致谢第103-104页

论文共104页,点击 下载论文
上一篇:多摄像头协同跟踪系统关键技术研究
下一篇:基于增量存储的商业数据流分类挖掘算法研究与应用