1、機器人聯(lián)盟問題屬于NP完全的復(fù)雜的組合優(yōu)化問題?；诹孔友苌鷻C制的量子信息表達方式與量子門干涉推理方法是一種潛在的可行解決辦法。量子概率編碼的表達多樣性和量子進化算法的并行搜索能力，使得量子進化算法很適合于求解組合優(yōu)化問題。量子進化算法在求解典型的組合優(yōu)化問題上的成功，啟發(fā)了我們將其應(yīng)用到機器人聯(lián)盟問題。 本文分析了機器人單個聯(lián)盟以及聯(lián)盟結(jié)構(gòu)生成問題的特點，對當前機器人聯(lián)盟生成算法進行了總結(jié)和分類，并分析各自算法的優(yōu)點和不足，指

2、出啟發(fā)式算法與進化算法的結(jié)合是解決機器人聯(lián)盟生成問題的有效途徑。并將量子進化算法應(yīng)用到機器人單個聯(lián)盟以及聯(lián)盟結(jié)構(gòu)生成問題，運用編碼的映射將資源配置和任務(wù)分配合并為一個過程，降低了問題的復(fù)雜性。實驗結(jié)果表明了本文算法對解決單個聯(lián)盟問題以及聯(lián)盟結(jié)構(gòu)生成問題的有效性與先進性。 本文的主要的研究內(nèi)容和成果如下： （1）對機器人聯(lián)盟及其相關(guān)問題進行了探討，包括聯(lián)盟問題的提出，機器人聯(lián)盟問題和聯(lián)盟環(huán)境的形式化描述，單個聯(lián)盟問題以及聯(lián)

3、盟結(jié)構(gòu)問題的數(shù)學(xué)模型以及聯(lián)盟問題解空間復(fù)雜性的分析。 （2）針對單個聯(lián)盟問題，提出了基于量子進化算法的單個聯(lián)盟算法。并針對基本的量子進化算法引入“基于信息正反饋的島嶼模型”對其改進，采用進化方程對量子門進行更新，使其具有更快的收斂速度和不再易于陷入局部極值。對比實驗結(jié)果表明，算法不但保持了量子進化算法并行性、魯棒性強等優(yōu)點，而且提高了解的質(zhì)量，加快了收斂速度，不易陷入局部極值，收斂穩(wěn)定性較高。同時算法基于島嶼模型的信息反饋機制和

4、采用進化方程對量子門進行更新比基本的量子進化算法機制更靈活、更有效、有更高的魯棒性，可以有效減少聯(lián)盟生成的搜索時間和計算量，可實現(xiàn)性較好。 （3）針對聯(lián)盟結(jié)構(gòu)問題，提出了基于量子進化算法的聯(lián)盟結(jié)構(gòu)生成算法。運用編碼的映射，將資源組合和任務(wù)分配合并為一個過程，降低了問題的復(fù)雜性，根據(jù)聯(lián)盟結(jié)構(gòu)生成問題的特點，在采用量子進化算法求解的時候，對量子進化算法中的相關(guān)部分（量子編碼、適應(yīng)度函數(shù)等）重新進行了設(shè)計。對比實驗結(jié)果表明，算法在聯(lián)盟