本书概要 1
第1章 绪论 4
1.1研究目的 4
1.2空中机器人 5
1.3空中机器人与人工智能 8
1.4预备知识 11
1.4.1概率基础 12
1.4.2不确定性原理 14
1.4.3非线性控制原理 18
1.4.4图论基础 21
1.4.5线性时序逻辑基础 23
1.4.6粗糙集 28
1.5建模 29
1.5.1环境建模 30
1.5.2空中机器人建模 34
1.5.3风条件下的空中机器人 40
1.6冲突检测 42
1.6.1确定性方法 42
1.6.2概率方法 47
1.7结论 47
参考文献 48
第2章 运动规划 54
2.1引言 54
2.2可控性设计 55
2.3航迹规划 58
2.3.1配平航迹生成 60
2.3.2腿式导引 62
2.3.3 Dubins和Zermelo问题 63
2.3.4最优控制方法 69
2.3.5参数曲线 77
2.4非完整运动规划 89
2.4.1微分平滑 89
2.4.2幂零性 92
2.4.3约束运动规划 95
2.4.4高拥挤度空间中的运动规划 97
2.5障碍/碰撞规避 99
2.5.1问题描述 99
2.5.2离散搜索方法 102
2.5.3连续搜索方法 126
2.6再规划方法 134
2.6.1增量再规划 134
2.6.2随时算法 142
2.7结论 149
参考文献 150
第3章 确定性决策 157
3.1引言 157
3.2符号规划 158
3.2.1混合自动机 159
3.2.2时态逻辑运动规划 164
3.3智能计算 165
3.3.1神经网络 166
3.3.2进化算法 168
3.3.3决策表 172
3.3.4模糊系统 173
3.4弧路由方法 174
3.4.1旅行商问题 175
3.4.2 Dubins旅行商问题 180
3.4.3中国邮递员问题 183
3.4.4乡村邮递员问题 184
3.5个案研究 188
3.5.1侦察任务 188
3.5.2进化规划 193
3.5.3桥梁监测 199
3.5.4固定翼空中机器人的滑翔飞行 208
3.6结论 213
参考文献 214
第4章 不确定性决策 219
4.1引言 219
4.2动态决策的一般框架 221
4.2.1问题阐述 221
4.2.2效用理论 224
4.2.3决策树与路径效用 224
4.2.4贝叶斯推理与贝叶斯网 225
4.2.5影响图 226
4.3马尔可夫方法 227
4.3.1马尔可夫模型 228
4.3.2马尔可夫决策过程描述 229
4.3.3部分可观测马尔可夫决策过程 232
4.3.4贝叶斯结合部分可观测马尔可夫决策过程 234
4.3.5学习过程 234
4.3.6蒙特卡罗值迭代 235
4.3.7马尔可夫逻辑 237
4.3.8信念空间方法 238
4.4随机最优控制理论 242
4.4.1贝叶斯状态空间模型 243
4.4.2学习控制 244
4.4.3机会约束算法 245
4.4.4概率旅行商问题 246
4.4.5二型模糊逻辑 249
4.5运动语法 250
4.5.1方法描述 251
4.5.2空中机器人语法 252
4.5.3时态逻辑规范 253
4.6个案研究 256
4.6.1鲁棒定向问题 256
4.6.2不确定地域探测 261
4.6.3不确定对抗环境下的救援路径规划 263
4.6.4伴时态逻辑约束的滚动时域路径规划 265
4.7实时应用 267
4.8结论 271
参考文献 272
第5章 多空中机器人规划 276
5.1引言 276
5.2团队方法 277
5.2.1协同 279
5.2.2级联型制导律 281
5.2.3一致性方法 284
5.2.4群行为 286
5.2.5编队的连通性和收敛性 289
5.3确定性决策 292
5.3.1分布式滚动时域控制 293
5.3.2冲突消解 295
5.3.3人工势 297
5.3.4符号规划 300
5.4有限通信关联 302
5.4.1引言 302
5.4.2问题阐述 303
5.4.3遗传算法 306
5.4.4博弈推理 308
5.5不确定条件下的多智能体决策 309
5.5.1分布式团队决策问题 309
5.5.2最优规划算法 317
5.5.3任务分配：最优分配 319
5.5.4分布式机会约束任务分配 325
5.6个案研究 327
5.6.1侦察任务 327
5.6.2扩大网格覆盖 330
5.6.3周边巡逻行动优化 332
5.6.4用于监视的随机策略 336
5.7结论 339
参考文献 340
第6章 一般性结论 344