基于蚁群算法的多机器人任务分配研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 多机器人系统 | 第11-14页 |
| 1.2.1 多机器人系统中的基本问题 | 第11-12页 |
| 1.2.2 体系结构与协作机制 | 第12-14页 |
| 1.3 多机器人任务分配 | 第14-16页 |
| 1.3.1 任务分配类型 | 第14-15页 |
| 1.3.2 任务分配的模式 | 第15页 |
| 1.3.3 传统的任务分配方法 | 第15-16页 |
| 1.3.4 影响任务分配算法条件 | 第16页 |
| 1.4 国内外研究现状 | 第16-17页 |
| 1.5 本文的主要研究内容 | 第17-18页 |
| 2 智能算法 | 第18-26页 |
| 2.1 智能算法概率模型 | 第19-23页 |
| 2.1.1 遗传算法 | 第19-20页 |
| 2.1.2 模拟退火算法 | 第20-21页 |
| 2.1.3 粒子群算法 | 第21-23页 |
| 2.2 智能算法概率模型的评价指标 | 第23-24页 |
| 2.2.1 分布密度函数 | 第23页 |
| 2.2.2 寻优概率 | 第23页 |
| 2.2.3 寻优信息有效性 | 第23-24页 |
| 2.3 种智能算法的比较 | 第24-25页 |
| 2.4 蚁群算法优化与多机器人完成任务的比较 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于蚁群算法的多机器人任务分配 | 第26-37页 |
| 3.1 基本蚁群算法 | 第26-31页 |
| 3.1.1 蚁群算法的概述 | 第26页 |
| 3.1.2 蚁群算法的基本原理 | 第26-28页 |
| 3.1.3 基本蚁群算法的数学模型和具体实现 | 第28-30页 |
| 3.1.4 TSP的蚁群算法 | 第30-31页 |
| 3.2 基于蚁群算法的任务分配 | 第31-34页 |
| 3.2.1 任务分配问题 | 第31-32页 |
| 3.2.2 任务分配的数学描述 | 第32页 |
| 3.2.3 蚁群算法实现任务分配的设计 | 第32-34页 |
| 3.3 实验仿真 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 基于蚁群算法的多机器人区域覆盖 | 第37-49页 |
| 4.1 区域覆盖 | 第37-38页 |
| 4.1.1 区域覆盖定义描述 | 第37页 |
| 4.1.2 区域覆盖的标准 | 第37-38页 |
| 4.2 问题定义和系统描述 | 第38-39页 |
| 4.2.1 应用环境的描述 | 第38页 |
| 4.2.2 任务问题的描述 | 第38-39页 |
| 4.3 多机器人区域覆盖环境建模 | 第39-41页 |
| 4.4 算法设计 | 第41-43页 |
| 4.5 实验仿真结果分析 | 第43-48页 |
| 4.5.1 实验仿真说明 | 第43-44页 |
| 4.5.2 仿真结果分析 | 第44-48页 |
| 4.6 本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |
