基于智能计算的最优指派问题求解技术及其应用研究
摘要 | 第1-6页 |
Abstract | 第6-8页 |
目录 | 第8-11页 |
第1章 绪论 | 第11-25页 |
·最优指派问题简介 | 第11页 |
·遗传算法概述 | 第11-14页 |
·遗传算法简介 | 第11-13页 |
·遗传算法的研究现状 | 第13-14页 |
·粒子群优化算法概述 | 第14-18页 |
·粒子群优化算法简介 | 第14-15页 |
·粒子群优化算法的研究现状 | 第15-18页 |
·机器人足球及其决策系统 | 第18-24页 |
·机器人足球简介 | 第18-20页 |
·FIRA机器人足球仿真比赛 | 第20-21页 |
·机器人足球决策系统 | 第21-24页 |
·本文的主要工作 | 第24-25页 |
第2章 最优指派问题 | 第25-35页 |
·标准最优指派问题 | 第25-26页 |
·OAP的推广问题之一 | 第26-27页 |
·推广问题之一的描述 | 第26页 |
·推广问题之一的转化思路 | 第26-27页 |
·OAP的推广问题之二 | 第27-29页 |
·推广问题之二的描述 | 第27-28页 |
·推广问题之二的转化思路 | 第28-29页 |
·OAP的推广问题之三 | 第29-31页 |
·推广问题之三的描述 | 第29-30页 |
·推广问题之三的转化思路 | 第30-31页 |
·OAP的经典求解方法及其不足 | 第31-34页 |
·本章小结 | 第34-35页 |
第3章 基于改进遗传算法的最优指派问题求解 | 第35-47页 |
·个体和种群的设计 | 第35-37页 |
·编码方式 | 第35页 |
·初始种群的生成 | 第35-36页 |
·适应度函数的设计 | 第36-37页 |
·遗传操作的设计 | 第37-39页 |
·选择操作 | 第37页 |
·交叉操作 | 第37-38页 |
·变异操作 | 第38-39页 |
·交叉概率和变异概率的自适应算法 | 第39-41页 |
·算法测试与分析 | 第41-46页 |
·一般OAP求解 | 第41-42页 |
·HA不收敛的OAP求解 | 第42-43页 |
·与AGA的性能比较 | 第43-45页 |
·实验结论与分析 | 第45-46页 |
·本章小结 | 第46-47页 |
第4章 基于改进粒子群优化算法的最优指派问题求解 | 第47-63页 |
·PSO的基本原理 | 第47-50页 |
·PSO算法的一般求解过程 | 第47页 |
·基本PSO算法的数学描述 | 第47-48页 |
·基本PSO算法的流程 | 第48-49页 |
·基本PSO算法的分析 | 第49-50页 |
·基本PSO算法的改进 | 第50-55页 |
·引入惯性因子的PSO改进算法 | 第50-52页 |
·引入收敛因子的PSO改进算法 | 第52-53页 |
·动态系统下的PSO改进算法 | 第53-54页 |
·经典PSO算法模型及其参数集 | 第54-55页 |
·基于PSO的OAP求解算法设计 | 第55-59页 |
·基于排列组合的OAP模型 | 第55页 |
·变量的定义 | 第55-56页 |
·基本运算操作的定义 | 第56-58页 |
·位置和速度的更新机制 | 第58-59页 |
·保证种群多样性的改进 | 第59页 |
·算法测试与分析 | 第59-62页 |
·一般OAP求解 | 第59-60页 |
·HA不收敛的OAP求解 | 第60页 |
·与改进遗传算法的性能比较 | 第60-62页 |
·实验结论与分析 | 第62页 |
·本章小结 | 第62-63页 |
第5章 机器人足球比赛中的最优指派问题及其应用 | 第63-73页 |
·基于最优指派的阵型符合 | 第63-65页 |
·问题的提出 | 第63-64页 |
·基于最优指派的求解 | 第64-65页 |
·基于最优指派的动态角色分配 | 第65-67页 |
·问题的提出 | 第65-66页 |
·基于最优指派的求解 | 第66-67页 |
·基于动态角色分配的决策系统设计 | 第67-71页 |
·以球为中心的区域划分 | 第67-68页 |
·态势分析 | 第68-69页 |
·阵型确定 | 第69-70页 |
·动态角色分配 | 第70页 |
·角色执行 | 第70-71页 |
·决策系统的软件实现 | 第71-72页 |
·决策系统的测试及效果 | 第72页 |
·本章小结 | 第72-73页 |
结论 | 第73-75页 |
附录 | 第75-76页 |
参考文献 | 第76-87页 |
攻读硕士学位期间发表或完成的论文 | 第87-88页 |
攻读硕士学位期间参与项目及所获奖励情况 | 第88-89页 |
致谢 | 第89页 |