基于适应度与蚁群分散搜索的多机器人任务分配
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第12-17页 |
| 1.1 课题研究的背景与意义 | 第12-14页 |
| 1.2 国内外的研究现状 | 第14-15页 |
| 1.2.1 多机器人系统的国内外研究现状 | 第14页 |
| 1.2.2 任务分配的国内外研究进展 | 第14-15页 |
| 1.3 多机器人任务分配的研究难点 | 第15-16页 |
| 1.4 本文的主要研究内容及章节安排 | 第16-17页 |
| 2 多机器人任务分配 | 第17-26页 |
| 2.1 任务的类型 | 第17-19页 |
| 2.1.1 静态任务与动态任务 | 第17-18页 |
| 2.1.2 松散任务与紧耦合任务 | 第18页 |
| 2.1.3 遍历型任务与仓储型任务 | 第18-19页 |
| 2.2 多机器人任务分配 | 第19-24页 |
| 2.2.1 多机器人任务分配的类型 | 第19-20页 |
| 2.2.2 集中式任务分配方法 | 第20-21页 |
| 2.2.3 分布式任务分配方法 | 第21-24页 |
| 2.3 多机器人任务分配的设计 | 第24-25页 |
| 2.3.1 任务分配结构层次 | 第24页 |
| 2.3.2 系统工作流程 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 改进适应度的松散型任务分配策略 | 第26-40页 |
| 3.1 适应度模型方法简介 | 第26-30页 |
| 3.1.1 机器人模型参数和任务模型参数 | 第26-27页 |
| 3.1.2 机器人与任务选择的标准 | 第27-28页 |
| 3.1.3 适应度模型 | 第28-30页 |
| 3.2 适应度模型优点及存在的问题 | 第30-31页 |
| 3.2.1 适应度模型的优点 | 第30页 |
| 3.2.2 目前存在的问题 | 第30-31页 |
| 3.3 改进的适应度协作策略 | 第31-35页 |
| 3.3.1 正余切外部适应度 | 第31-32页 |
| 3.3.2 外部能力匹配适应度 | 第32-33页 |
| 3.3.3 距离适应度 | 第33-35页 |
| 3.4 仿真验证 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 改进的分散搜索算法求解紧耦合任务联盟 | 第40-50页 |
| 4.1 现有紧耦合任务联盟方法及优缺点 | 第40-43页 |
| 4.1.1 紧耦合联盟的一般方法 | 第40-41页 |
| 4.1.2 现有紧耦合联盟方法的优缺点 | 第41-43页 |
| 4.2 基于改进的分散搜索算法实现紧耦合联盟 | 第43-46页 |
| 4.2.1 改进联盟评价标准 | 第43-44页 |
| 4.2.2 分散搜索进行联盟求解 | 第44-46页 |
| 4.3 仿真验证 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 改进的蚁群算法任务分配 | 第50-62页 |
| 5.1 基本蚁群算法(ACO) | 第50-53页 |
| 5.1.1 蚁群算法的基本理论 | 第50-51页 |
| 5.1.2 蚁群算法针对不同类型任务的分配方法 | 第51-52页 |
| 5.1.3 蚁群算法在紧耦合任务分配中的两种方法 | 第52-53页 |
| 5.2 改进蚁群算法应用于紧耦合任务分配 | 第53-58页 |
| 5.2.1 改进蚁群适应度 | 第53-55页 |
| 5.2.2 蚁群算法在紧耦合任务分配的结构 | 第55-56页 |
| 5.2.3 联盟参考集数量控制 | 第56-57页 |
| 5.2.4 混合任务分配算法结构 | 第57-58页 |
| 5.3 仿真验证 | 第58-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 本文工作总结 | 第62-63页 |
| 6.2 下一步工作展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第67-68页 |
| 致谢 | 第68页 |
