全文总字数：3235字
1. 研究目的与意义（文献综述）
随着科技发展，机器人被来来越多的应用于人类的生产生活。尤其是在20世纪末，计算机网络爆发式增长以及芯片和系统逐步走向小型化、专业化、普适大众的低成本，移动机器人被应用于人们生产生活的各个方面。智能制造工厂、国防工业、太空火箭、深海迷航都越来越需要移动机器人的支持。
但随着移动机器人被广泛的应用，人们发现使用单一机器人完成单一目标不光成本高、难度大而且随着机器人任务的不断升级，出现了很多任务是单一机器人难以完成或者即使完成时间成本和资源成本都是不可接受的。对单一机器人要求低、复用性高（资源成本低）、多线程时间成本低的多机器人系统受到了越来越多的重视，而且随着研究的不断深入，人们发现其蕴藏的价值反而越来越大。
多机器人与单机器人完成任务的主要区别体现在多机器人的任务分配问题。也就是如何将多个机器人组成一个系统而达到壹加壹大于二的效果。只有合理的任务分配机制才能增加工作效率的同时还保证高可靠性和智能沉余性。这就要求系统能综合考虑机器人性能、状态、任务需求等，即在保证系统消耗最少、工作速率最高的情况下安排出每个机器人何时何地应作什么的多维空间寻优问题。
2. 研究的基本内容与方案
为多移动机器人系统迅速准确的计算出最优的任务分配方案在多移动机器人应用中显得尤为重要和紧缺，本课题目的是在已有的基础的基于粒子群算法的机器人任务分配模型基础上引入升级的粒子群算法使得模型具跟很好的表现，具体优化体现在所需迭代次数更少，能更快跳出局部最优解，并具有更好的环境适应性等。
拟优化方向
（1）加入底阀值扰动因子使其迅速跳出最优解，提高运算效率
3. 研究计划与安排
2020.02-2020.03 查阅相关资料、撰写开题报告、翻译英文资料；
2020.03-2020.04 学习基础pso算法进行初步建模；
2020.04-2020.05 完善算法并加入多种因子分析每个因子的适用范围和效果，调试并完善实验结果；
4. 参考文献（12篇以上）
（1）余伶俐, 蔡自兴. 基于当代学习离散粒子群算法的多机器人任务分配[j]. 计算机应用研究, 2009, 26(5):1691-1694.
（2）李济泽. 基于粒子群遗传优化算法的多机器人任务分配研究[j]. 机械与电子, 2007(10):45-48.
（3）基于粒子群算法的多无人机任务分配方法[j]. 控制与决策, 2010, 25(9):1359-1363.
