基于分布式控制的多机器人协同技术广泛应用于各种复杂和不可预测的任务场景，在工业、军事等多个领域中扮演着重要角色。竞争关系与合作关系，作为群体保持活力的两个方面，在生物与社会等多个领域已被证实具有同等的重要性。本书旨在解决基于竞争和合作的多机器人协同问题，并对此开发、分析了一系列分布式的神经动力学模型，具体而言：对于机器人之间有限通信的分布式合作，构建不同通信拓扑约束下的一致性估计器；对于机器人之间有限通信的分布式竞争，引入赢者通吃算法并进行建模。最后，本书将一致性算法与赢者通吃算法扩展到多机器人的分布式协同领域。 本书可以辅助读者更深入地理解基于竞争和合作的机器人问题解决思路，提供关于神经动力学算法及分布式协同建模的详细介绍，并推动该类方法在解决相关领域具体科学和工程问题中的应用。 本书可作为普通高等学校信息类本科生及研究生的专业教材。

第1章 绪论
1.1 机器人运动规划简介及研究内容
1.2 机器人分布式合作协同研究现状
1.3 机器人分布式竞争协同研究现状
第2章 动态神经网络
2.1 优化问题描述及动态神经网络设计
2.1.1 线性规划问题
2.1.2 二次规划问题
2.1.3 非线性规划问题
2.1.4 伪凸优化及其他优化问题
2.2 动态神经网络的收敛性与稳定性
2.2.1 梯度技术
2.2.2 投影技术
2.3 机器人领域应用研究
2.3.1 冗余机器人
2.3.2 移动机器人及Stewart并联机器人
2.3.3 多机器人系统
2.4 k-WTA问题拓展
2.4.1 k-WTA问题面向优化问题建模
2.4.2 k-WTA问题仿真研究
2.5 小结
第3章 基于动态神经网络的机器人运动规划
3.1 运动规划问题构建
3.2 机器人系统
3.2.1 冗余机器人
3.2.2 并联机器人
3.2.3 柔索驱动机器人
3.2.4 移动机器人
3.3 面向机器人运动规划的神经网络方法设计
3.3.1 前向神经网络
3.3.2 递归神经网络
3.3.3 对偶神经网络
3.3.4 现代控制理论与相关技术
3.4 基于k-WTA的多机器人运动规划应用
3.5 小结
第4章 基于动态神经网络的多机器人合作协同
4.1 问题与方案构建
4.1.1 机器人动力学
4.1.2 不同性能指标下机器人分布式合作协同方案
4.2 基于动态神经网络的求解算法
4.2.1 方案转化与算法设计
4.2.2 收敛性分析
4.3 仿真研究
4.3.1 面向固定目标的一致性实现
4.3.2 面向时变目标的合作协同
4.3.3 基于重复运动指标的合作协同
4.3.4 现有方案对比
4.4 小结
第5章 基于动态神经网络的多机器人抗扰动合作协同
5.1 问题与方案构建
5.1.1 机器人运动学
5.1.2 问题提出与神经动力学设计
5.1.3 不同性能指标下机器人分布式合作协同方案
5.2 动态神经网络求解算法及其理论分析
5.2.1 用于实时冗余度解析的动态神经网络
5.2.2 收敛性与鲁棒性分析
5.3 仿真研究
5.3.1 面向固定目标的一致性实现
5.3.2 面向时变目标的合作协同
5.3.3 噪声环境中的合作协同
5.3.4 现有方案对比
5.4 小结
第6章 基于k-WTA算法的多机器人竞争协同
6.1 问题构建
6.1.1 差分驱动轮式移动机器人
6.1.2 问题描述
6.2 有限通信下的动态任务分配
6.2.1 基于k-WTA的动态神经网络设计
6.2.2 收敛性分析
6.3 多机器人分布式竞争协同仿真验证
6.4 小结
第7章 鲁棒k-WTA算法及多机器人竞争协同
7.1 问题构建与模型设计
7.1.1 问题描述
7.1.2 k-WTA操作中的平局状态
7.1.3 基于神经动力学的k-WTA模型设计
7.1.4 现有的k-WTA模型
7.2 收敛性与鲁棒性分析
7.3 数值仿真验证
7.4 多机器人协同应用
7.4.1 分布式竞争协同
7.4.2 仿真实验
7.5 小结
第8章 时变/切换拓扑下基于k-WTA算法的多机器人竞争协同
8.1 问题构建与模型设计
8.1.1 机器人运动学规划
8.1.2 多机器人竞争策略
8.1.3 分布式算法设计
8.2 分布式竞争协同方案构建
8.3 收敛性分析
8.4 仿真研究
8.4.1 现有方案对比
8.4.2 时变拓扑下的协同
8.4.3 切换拓扑下的协同
8.4.4 CoppeliaSim平台的仿真实验
8.5 小结
第9章 分布式时滞k-WTA算法及多机器人竞争协同应用
9.1 问题构建与模型设计
9.1.1 k-WTA算法简化与网络设计
9.1.2 分布式时滞k-WTA网络
9.2 理论分析与证明
9.3 仿真及应用
9.3.1 时滞一致性估计器的数值仿真
9.3.2 多机器人系统的应用
9.4 小结
参考文献