| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-14页 |
| 1.1.1 基于多机器人的地图构建 | 第11-12页 |
| 1.1.2 多机器人地图构建的典型架构 | 第12-13页 |
| 1.1.3 地图构建中的关键技术 | 第13-14页 |
| 1.2 地图构建中的协同算法综述 | 第14-15页 |
| 1.2.1 问题定义 | 第14页 |
| 1.2.2 常见算法 | 第14-15页 |
| 1.3 论文的主要贡献 | 第15-16页 |
| 1.4 本文的组织结构 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 粒子群算法及其相关应用 | 第17-26页 |
| 2.1 群体智能 | 第17-19页 |
| 2.1.1 蚁群优化算法 | 第17-18页 |
| 2.1.2 粒子群优化算法 | 第18-19页 |
| 2.1.3 本章结构 | 第19页 |
| 2.2 算法模型及分析 | 第19-21页 |
| 2.3 与演化计算的比较 | 第21-22页 |
| 2.4 相关应用 | 第22-25页 |
| 2.4.1 基于PSO 的传感网络自动移动节点优化 | 第23页 |
| 2.4.2 基于PSO 的无人交通器导航 | 第23-24页 |
| 2.4.3 基于修正PSO 的多机器人建造任务 | 第24-25页 |
| 2.5 PSO 的地图构建应用可行性分析 | 第25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于粒子群优化的地图构建算法 | 第26-35页 |
| 3.1 地图表示 | 第26-27页 |
| 3.2 基于虚拟信息素的通信机制 | 第27-28页 |
| 3.2.1 设计原理 | 第27页 |
| 3.2.2 通信机制的设计 | 第27-28页 |
| 3.3 基于粒子群优化的探索路径 | 第28-32页 |
| 3.3.1 勘探状态 | 第29-30页 |
| 3.3.2 挖掘状态 | 第30-31页 |
| 3.3.3 参数说明 | 第31-32页 |
| 3.4 地图构建流程 | 第32-33页 |
| 3.5 算法评述 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 算法的实现 | 第35-45页 |
| 4.1 地图表示 | 第35-36页 |
| 4.2 通信机制 | 第36-37页 |
| 4.3 PSO 模型 | 第37-41页 |
| 4.4 节点行为 | 第41-42页 |
| 4.5 构建过程示例 | 第42-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 仿真实现与结果分析 | 第45-55页 |
| 5.1 仿真器设定与测试环境 | 第45-48页 |
| 5.2 有效性验证 | 第48-50页 |
| 5.3 可扩展性验证 | 第50-51页 |
| 5.4 模型参数的影响 | 第51-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 全文总结 | 第55-56页 |
| 6.2 未来工作 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间已发表或录用的学术论文 | 第60-62页 |