摘  要: 随着时代的进步，在当今社会，为了更好的生活品质，人力资源的解放势在必行，多机器人因其构造灵便、适应性好、工作效率高可以在众多领域代替人力，发展前景十分良好。所以合理的设计并优化机器人算法，有效的探索未知环境和制图，提高完成工作任务的效率，在推进各行业发展具有着重要的意义。本论文以多机器人探索未知环境与制图为研究课题，旨在通过研究智能算法（粒子群算法）进行路径规划，并选择几种已有的改进后的粒子群算法，比较它们的优缺点，最后选择即时定位与地图构建（SLAM）的方法，从而使多机器人有效的自主的对未知环境探索和制图，提高执行任务能力和效率。

关键词: 多机器人，改进粒子群算法，未知环境探索，即时定位与地图构建

目录

摘要

Abstract

1 绪论5

1.1研究背景、目的与意义5

1.2论文的结构和内容5

2多机器人系统5

2.1多机器人系统的发展5

2.2 多机器人系统的优势6

2.3 多机器人系统的应用领域6

3 智能算法7

3.1智能算法简介7

3.2粒子群算法的基本思想7

3.3 粒子公式8

3.4 PSO算法实现步骤9

3.5 改进粒子群算法10

3.5.1 带有压缩因子的粒子群优化算法11

3.5.2 借鉴遗传算法使用杂交原理改进的粒子群算法11

3.5.3 借鉴遗传算法使用选择原理改进的粒子群算法12

3.5.4 保证种群多样性的ARPSO12

3.5.5 针对以上几种改进PSO算法的比较13

4 多机器人即时定位与地图构建（SLAM）14

4.1 SLAM简介14

4.2 SLAM几个关键性问题15

4.2.1 地图的表示方法15

4.2.2 不确定性的信息的描述15

4.2.3 累积误差16

4.3 SLAM的实现方法16

4.3.1 SLAM的通用架构17

4.3.2 基于卡尔曼滤波器的实现方法17

4.3.3 去相关法22

4.3.3 分解法（FastSLAM）22

4.4 基于多机器人协作的SLAM23

总结与展望24

参考文献25

致谢26