| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-19页 |
| ·项目研究的背景及目的意义 | 第10-11页 |
| ·多机器人系统研究的国内外现状与发展趋势 | 第11-16页 |
| ·从七十年代中期开始至今多机器人系统的研究概况 | 第11-14页 |
| ·多机器人系统仿真平台的研究现状 | 第14-16页 |
| ·论文主要研究内容和创新之处 | 第16-18页 |
| ·论文主要研究内容 | 第16-17页 |
| ·本文的主要创新之处 | 第17-18页 |
| ·小结 | 第18-19页 |
| 第二章 多机器人系统研究的基础理论和方法 | 第19-42页 |
| ·引言 | 第19页 |
| ·人工神经网络理论基础 | 第19-27页 |
| ·神经网络的发展与应用 | 第19-20页 |
| ·人工神经网络的特点 | 第20-21页 |
| ·人工神经元模型 | 第21-23页 |
| ·网络结构及工作方式 | 第23-25页 |
| ·ANN的学习方式 | 第25-26页 |
| ·ANN的学习算法 | 第26-27页 |
| ·学习与自适应 | 第27页 |
| ·人工免疫算法 | 第27-34页 |
| ·自然免疫系统 | 第27-28页 |
| ·自然免疫系统的特性 | 第28-29页 |
| ·人工免疫系统的应用 | 第29-30页 |
| ·人工免疫算法 | 第30-32页 |
| ·人工免疫算法流程 | 第32-34页 |
| ·智能机器人体系结构概述 | 第34-40页 |
| ·分层递阶结构 | 第34-35页 |
| ·包容结构 | 第35-36页 |
| ·三层结构 | 第36页 |
| ·自组织结构 | 第36-37页 |
| ·分布式结构 | 第37页 |
| ·进化控制结构 | 第37-38页 |
| ·社会机器人结构 | 第38-40页 |
| ·“捕食者——猎物”问题 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 IGAE-ANN行为决策系统的设计研究 | 第42-52页 |
| ·引言 | 第42页 |
| ·研究问题描述 | 第42-44页 |
| ·机器人运动环境的设定 | 第42-43页 |
| ·捕猎机器人的设置 | 第43-44页 |
| ·人工神经网络的选择 | 第44-45页 |
| ·神经网络的结构 | 第44页 |
| ·神经网络的功能 | 第44-45页 |
| ·神经网络的学习方式 | 第45页 |
| ·改进的人工免疫算法 | 第45-49页 |
| ·人工免疫算法中的几个重要定义 | 第46-48页 |
| ·精英保留策略 | 第48页 |
| ·改进的人工免疫算法流程 | 第48-49页 |
| ·IGAE-ANN行为决策系统 | 第49-51页 |
| ·IGAE-ANN行为决策系统结构 | 第49-50页 |
| ·优化问题描述 | 第50-51页 |
| ·本章小节 | 第51-52页 |
| 第四章 多机器人系统仿真实验设计 | 第52-64页 |
| ·引言 | 第52页 |
| ·多移动机器人动态空间建模 | 第52-53页 |
| ·环境建模 | 第52-53页 |
| ·猎物机器人的逃跑策略 | 第53-54页 |
| ·IGAE中控制参数的选取 | 第54-55页 |
| ·群体规模m_(an)的选择 | 第54页 |
| ·交叉概率 P_c的选取 | 第54页 |
| ·变异概率 P_m的选取 | 第54-55页 |
| ·抗体相似度阈值ε_1和ε_2的选取 | 第55页 |
| ·β_0的选取 | 第55页 |
| ·仿真实验设计 | 第55-57页 |
| ·基于二进制编码的神经网络的构建 | 第55-56页 |
| ·初始群体的产生 | 第56-57页 |
| ·计算适应度 | 第57页 |
| ·免疫选择操作 | 第57页 |
| ·仿真步骤实现 | 第57-60页 |
| ·对围捕实验做的一些假设 | 第57-58页 |
| ·基于 IGAE-ANN行为决策系统的多机器人“围捕”实验仿真步骤 | 第58-60页 |
| ·主要程序模块介绍 | 第60-63页 |
| ·IGAE算法与 ANN融合模块 | 第60-61页 |
| ·抗体判优模块 | 第61-62页 |
| ·环境构建模块 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 仿真结果分析 | 第64-77页 |
| ·引言 | 第64页 |
| ·围捕仿真实验参数设置 | 第64-65页 |
| ·参数编码设置 | 第64-65页 |
| ·仿真参数选取 | 第65页 |
| ·仿真结果 | 第65-72页 |
| ·收敛速度 | 第65-66页 |
| ·解的波动性 | 第66页 |
| ·动态收敛特征 | 第66-68页 |
| ·IGAE算法主要参数的影响 | 第68-71页 |
| ·不同的选择方法对围捕效果的影响 | 第71-72页 |
| ·与具有精英保留策略的标准遗传算法(CGAE)的比较 | 第72-76页 |
| ·收敛速度 | 第73-74页 |
| ·解的波动性 | 第74页 |
| ·动态收敛特征 | 第74-76页 |
| ·多机器人围捕仿真组图 | 第76页 |
| ·小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| ·全文总结 | 第77-78页 |
| ·研究展望 | 第78-79页 |
| 参考文献 | 第79-88页 |
| 致谢 | 第88-89页 |
| 攻读硕士学位期间发表的学术论文 | 第89页 |