| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 无人机路径规划问题的研究现状 | 第12-14页 |
| 1.2.2 无人机任务分配问题的研究现状 | 第14-17页 |
| 1.3 本文研究的内容及结构安排 | 第17-19页 |
| 1.3.1 论文的主要内容 | 第17页 |
| 1.3.2 论文的结构安排 | 第17-19页 |
| 第二章 任务分配和路径规划模型 | 第19-28页 |
| 2.1 无人机路径规划 | 第19-24页 |
| 2.1.1 无人机路径规划原则 | 第19-20页 |
| 2.1.2 无人机航路规划指标 | 第20页 |
| 2.1.3 威胁建模 | 第20-21页 |
| 2.1.4 环境描述 | 第21-22页 |
| 2.1.5 无人机探测模型 | 第22-23页 |
| 2.1.6 路径规划算法 | 第23-24页 |
| 2.2 无人机任务分配 | 第24-27页 |
| 2.2.1 任务分配问题 | 第24-25页 |
| 2.2.2 任务分配数学模型 | 第25-26页 |
| 2.2.3 任务分配算法 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于改蚁群算法的路径规划 | 第28-36页 |
| 3.1 蚁群算法介绍 | 第28-30页 |
| 3.1.1 蚁群算法路径寻优的原理 | 第28-29页 |
| 3.1.2 蚁群算法的数学模型 | 第29-30页 |
| 3.2 改进蚁群算法的原理介绍 | 第30-33页 |
| 3.2.1 蚁群算法的改进方法 | 第30-32页 |
| 3.2.2 基于改进蚁群算法的实现步骤 | 第32-33页 |
| 3.2.3 改进蚁群算法的结构流程 | 第33页 |
| 3.3 改进蚁群算法应用 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于集中式算法和新的启发式算法的任务分配 | 第36-45页 |
| 4.1 常见的集中式任务分配算法 | 第36-38页 |
| 4.1.1 最优化方法 | 第36-37页 |
| 4.1.2 启发式算法 | 第37-38页 |
| 4.2 多无人机任务分配问题 | 第38-41页 |
| 4.2.1 多无人机静态目标任务分配问题的数学模型 | 第38-39页 |
| 4.2.2 多无人机动态目标任务分配问题的数学模型 | 第39-41页 |
| 4.3 一种新的启发式任务分配算法 | 第41-44页 |
| 4.3.1 新的启发式任务分配算法介绍 | 第42-43页 |
| 4.3.2 路径重合度 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 多无人机的航线规划和任务分配算法仿真与分析 | 第45-65页 |
| 5.1 仿真环境 | 第45-46页 |
| 5.2 仿真实验与分析 | 第46-64页 |
| 5.2.1 集中式任务分配算法仿真实验 | 第48-55页 |
| 5.2.2 一般的任务分配算法仿真实验 | 第55-56页 |
| 5.2.3 路径规划仿真实验 | 第56-61页 |
| 5.2.4 新的启发式任务分配算法仿真实验 | 第61-64页 |
| 5.3 结果分析 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 工作总结 | 第65页 |
| 6.2 研究展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-74页 |
