导读:本文包含了追捕问题论文开题报告文献综述及选题提纲参考文献，主要关键词:情感机器人,大规模追捕问题,SOM神经网络,DIMCSA算法
追捕问题论文文献综述
孙博寒[1]（2018）在《大规模情感机器人追捕问题研究》一文中研究指出近年来人工情感理论研究日趋成熟,在多机器人系统中运用情感,让机器人更加智能与自主。同时在任务决策中发挥情感的作用,能进一步提升多机器人系统性能。其中情感机器人团队追捕具有一定代表性,本文基于此探讨情感机器人协作系统。情感机器人团队追捕问题研究主要分为任务分配与追捕策略两个方面,发挥情感的作用,缩短追捕完成时间或优化收益。本文重点放在了大规模的情感机器人团队中,通过研究追捕任务分配与追捕策略的算法,有效发挥了情感在大规模机器人追捕中的优势。主要内容如下。(1)介绍了本文中使用的情感、心境与个性模型,以及个性-心境、心境-情感之间的转换关系模型。同时阐述了作为情感意愿度重要参考依据的情感协作因子如何根据外界刺激和情感衰减产生变化。并分析大规模情感机器人追捕的相关特性与情感因素对追捕结果的影响。(2)提出了以SOM训练过程为核心的情感机器人追捕任务分配自组织算法。采用SOM网络作为任务分配的结构基础,结合其训练算法,有效降低了对大规模情感机器人追捕团队分配的时间复杂度。算法根据各情感机器人的情感与距离等实际因素,决定追捕团队分配结果,以强化学习方式调整分配参数,这样优化了情感在任务分配中的决策作用。实验结果验证了本文的算法适用于较大规模情感机器人追捕团队的任务分配,缩短了追捕总时间。(3)提出了基于DIMCSA势点分配围捕策略的大规模情感机器人的追捕算法。通过之前提出的自组织算法团队分配完成后,对其中逃跑者设定追捕势点。团队内追捕者对各势点产生情感意愿度值与距离值,输入ANN网络分配对应的追捕势点,最后用人工势场法对势点完成抓捕。并采用DIMCSA分布式人工免疫克隆算法优化ANN权值,提升收敛速度。势点的设定使追捕者可以埋伏与围堵逃跑者,同时充分发挥了追捕过程中追捕者的情感选择作用。仿真实验验证算法的有效性,并且与前文自组织分配算法结合优化追捕总时间。(本文来源于《合肥工业大学》期刊2018-04-01）
张永,陈寿元,邵增珍[2]（2018）在《针对多机器人追捕死角问题的自适应编队算法》一文中研究指出多机器人刚性编队无法灵活调整队形,易出现追捕死角现象,导致追捕者无法准确高效地完成追捕。为此,提出一种自适应刚性结构编队算法。构造编队中心控制器使编队中心无限趋近目标,设计队形控制器随目标所处位置动态调整队形。在此基础上,追捕者根据目标所在位置和环境条件,结合改进的刚性结构法自适应地选择合适队形,从而完成围捕。仿真结果表明,相对刚性编队算法,该算法的追捕时间和能耗比均较低,且能够避免追捕死角现象产生。(本文来源于《计算机工程》期刊2018年09期）
张旭,贾磊磊,李玲[3]（2016）在《基于改进人工势场的机器人追捕问题研究》一文中研究指出本文在深入研究传统人工势场算法的基础上,将其进行改进并应用于机器人追逃问题中。在改进的人工势场算法中,假设在追逃过程中追捕者与逃逸者之间的躲避障碍的能力和感应范围大小均相同,追逃双方均能实时感知其他机器人的位置信息。仿真结果表明,在障碍物区域内基于改进人工势场的算法能够很好的完成追捕任务。(本文来源于《科技展望》期刊2016年26期）
王艳[4]（2014）在《多机器人追捕-逃跑问题对策模型的研究》一文中研究指出在机器人的研究领域里,多机器人的协调与合作成为了一个非常重要的课题。在这其中,分布式多机器人系统中的机器人之间相互协调与合作的典型问题就是追捕-逃跑问题。基于对策论的原理,针对多机器人的追捕-逃跑问题展开了研究,并将追捕-逃跑问题按空间、时间离散化后转为一个对策模型。(本文来源于《甘肃科技纵横》期刊2014年06期）
晏亚林[5]（2014）在《基于博弈论的多机器人追捕问题的研究》一文中研究指出多机器人追逃问题是指在一个由多个可移动机器人组成的追捕联合体系统中,机器人通过相互合作来捕捉另一个机器人或者由多个机器人组成的联合体。机器人追逃问题是两个团体的博弈,通过团队内部合作和团队之间的对抗,两个团体各自协作以战胜对方。追捕-逃跑问题是一个复杂多变的实时动态系统协作博弈的问题,是研究多机器人对抗与合作的典型问题,其许多关键技术被运用到在工业、军事等领域上。博弈论的产生是由于人们需要对某些经济行为进行分析,后来被广泛运用到其它学科。在计算机学科方面,特别是多智能体系统分支到处都能看到博弈论的身影,如多智能体协商、拍卖等。本文将在博弈论的框架下,研究在逃跑者具有拒捕行为下的多追捕者-单逃跑者的追逃问题,主要内容包括:第一,介绍了多机器人追捕问题的相关背景、国内外研究现状,以及本文涉及到的博弈论知识。第二,给本文中的逃跑者赋予了拒捕行为,给机器人增加了一些动作并给出了相应的定义,并且在原有多机器人追逃问题的对策模型的基础上改进了支付函数中各个影响系数的权重分配方式,引入了逃跑者反抗系数,最终重新定义了支付函数。第叁,以机器人的类型(“勇敢”或者“懦弱”)作为未知信息,研究了不完全信息下的多机器人追逃问题。第四,利用MATLAB进行了仿真,探索了拒捕行为以及合理的影响系数权重分配对追捕时间及结果的影响,并验证模型修改后算法的有效性。实验结果证明合理的影响系数权重分配能缩短追捕者的追捕时间,而且给逃跑者赋予拒捕行为后和直接追捕相比采用本文的算法仍然能提高抓捕的效率。(本文来源于《哈尔滨工程大学》期刊2014-05-01）
王艳[6]（2014）在《排除法在追捕—逃跑问题策略研究中的应用》一文中研究指出在机器人的研究领域里,多机器人的协调与合作成为了一个非常重要的课题。在这其中,分布式多机器人系统中的机器人之间相互协调与合作的典型问题就是追捕—逃跑问题。基于对策论的原理,针对多机器人的追捕—逃跑问题展开了研究。将追捕—逃跑问题按空间、时间离散化后转为一个对策模型。由于两个局中人是相互对立的,所以构成了零和博弈。通过排除法求解出对策双方的最优走步策略。仿真实验验证了该算法的可行性。(本文来源于《林区教学》期刊2014年04期）
谭永丽,方彦军[7]（2014）在《基于人工免疫系统的多机器人追捕问题》一文中研究指出为了提高追捕系统的鲁棒性并使追捕机器人快速地完成抓捕任务,提出了基于人工免疫系统的多机器人追捕系统,模拟免疫系统中B细胞的抗体间的相互作用,提出机器人行为决策的新颖算法,使得追捕机器人形成有效的包围圈,快速捕捉逃跑者.追捕系统中的逃跑者相当于免疫系统中的抗原,逃跑者的行为相当于抗原反应.追捕者相当于B细胞,其行为策略相当于B细胞产生的抗体.该算法用VC++2008进行了仿真,仿真结果得出它比人工势场追捕法更快,并且系统具有较强的鲁棒性,当其中一个或多个机器人出现故障,剩下的机器人仍然能够满意地完成追捕任务.(本文来源于《武汉大学学报(工学版)》期刊2014年01期）
蓝天翔[8]（2013）在《多机器人追捕问题的研究》一文中研究指出多机器人追捕问题是研究机器人之间协调和协作的最理想的平台。将强化学习算法应用到追捕问题当中可以使多机器人系统主动的去探索环境，适应环境，从而提高自身的性能和稳定性，而直接将标准的强化学习算法直接应用于多机器人系统会使得系统的状态空间随机器人数量成指数倍增长，从而导致算法收敛速度缓慢，难以在实际中应用。对此本文以降低系统状态空间的大小，提高算法的收敛速度为目的，进行了如下研究：首先，介绍了强化学习算法的基本框架和它的数学模型，并列举了常用的强化学习算法及其算法流程。简单描述了多机器人追捕问题及其状态抽象、动作抽象和回报函数的定义，并考虑到传统状态抽象法中存在状态重复的问题，提出了动态ID状态抽象法来降低系统状态空间的大小，并与传统的状态抽象法在使用标准Q学习算法的基础上进行比较。其次，介绍了分层强化学习的基本原理，采用分层强化学习中的状态空间分解法来将原状态空间分为多个部分，即采用OPTION-学习算法使最优策略的求解过程分散到每个子空间上，从而降低策略空间的数量，加快了算法的收敛速度，并在采用动态ID状态抽象的基础上与标准强化学习算法进行了比较。最后，本文采用值函数分解来改进了OPTION-学习算法，将OPTION-算法中的子任务的状态值函数分解为两个部分，使得其中重复的部分可以重复调用，降低了算法对同一状态的访问次数，从而加快了收敛速度。并与OPTION-学习算法在用动态ID状态抽象的基础上进行比较。(本文来源于《哈尔滨工业大学》期刊2013-06-01）
王浩,丁磊,方宝富,姚宏亮[9]（2013）在《多机器人追逃问题中的追捕联盟生成算法》一文中研究指出为了解决随着机器人数量的增加,多机器人追逃中的最优联盟求解时间复杂度呈指数增长给实时计算带来的困难,本文在证明机器人追逃问题中的联盟收益独立性的基础上,根据逃跑者的数量来决定联盟结构中子联盟的数量,提出基于贪婪最优收益的追捕联盟算法.该算法首先根据逃跑机器人的数量确定联盟的个数,然后根据追捕机器人–逃跑机器人的追逃收益确定各个子联盟及其领导者,最后利用"贪婪最优"算法扩展新成员进入各子联盟直到所有的追捕者全部进入各个联盟.本算法简化了联盟结构每层的搜索量,总的搜索复杂度为O(m×(n m)),极大地缩短了算法的搜索时间,实际实验仿真结果也证明了本算法在追捕搜索效率和总追捕消耗时间上的优越性.(本文来源于《机器人》期刊2013年02期）
张霞,高岩,夏尊铨[10]（2012）在《追捕逃逸型微分对策问题的识别域判别》一文中研究指出研究了仿射非线性控制系统下的单目标两人追捕逃逸型微分对策问题,解决了该类控制系统在不等式约束区域上系统识别域的判别问题,给出了判别识别域的充分必要条件.首先利用生存理论及非光滑分析工具得到了仿射非线性控制系统的识别域判别定理,从而把对该非线性控制系统识别域的判别问题转化为求解凸不等式组的相容性问题.基于凸可行问题的求解方法给出了此问题的投影算法,并给出算法相应的收敛性定理.最后得到了仿射非线性系统下的两人追捕逃逸型微分对策问题的选择定理.(本文来源于《上海理工大学学报》期刊2012年05期）
追捕问题论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
多机器人刚性编队无法灵活调整队形,易出现追捕死角现象,导致追捕者无法准确高效地完成追捕。为此,提出一种自适应刚性结构编队算法。构造编队中心控制器使编队中心无限趋近目标,设计队形控制器随目标所处位置动态调整队形。在此基础上,追捕者根据目标所在位置和环境条件,结合改进的刚性结构法自适应地选择合适队形,从而完成围捕。仿真结果表明,相对刚性编队算法,该算法的追捕时间和能耗比均较低,且能够避免追捕死角现象产生。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
追捕问题论文参考文献
[1].孙博寒.大规模情感机器人追捕问题研究[D].合肥工业大学.2018
[2].张永,陈寿元,邵增珍.针对多机器人追捕死角问题的自适应编队算法[J].计算机工程.2018
[3].张旭,贾磊磊,李玲.基于改进人工势场的机器人追捕问题研究[J].科技展望.2016
[4].王艳.多机器人追捕-逃跑问题对策模型的研究[J].甘肃科技纵横.2014
[5].晏亚林.基于博弈论的多机器人追捕问题的研究[D].哈尔滨工程大学.2014
[6].王艳.排除法在追捕—逃跑问题策略研究中的应用[J].林区教学.2014
[7].谭永丽,方彦军.基于人工免疫系统的多机器人追捕问题[J].武汉大学学报(工学版).2014
[8].蓝天翔.多机器人追捕问题的研究[D].哈尔滨工业大学.2013
[9].王浩,丁磊,方宝富,姚宏亮.多机器人追逃问题中的追捕联盟生成算法[J].机器人.2013
[10].张霞,高岩,夏尊铨.追捕逃逸型微分对策问题的识别域判别[J].上海理工大学学报.2012