在全球范围内，皮肤癌发病率持续攀升，其中黑色素瘤等恶性类型若能早期发现，5 年生存率可超 90%。但传统检测高度依赖专业皮肤科医生的经验判断，存在三大痛点：一是基层医疗资源匮乏，偏远地区患者难以及时获得专业诊断；二是良性与恶性病变外观相似，易出现误诊漏诊（尤其早期症状不典型）；三是人工筛查效率低，无法应对大规模人群普查需求。传统医学检测手段（如病理活检）虽准确，但耗时久、有创且成本高，亟需一种快速

一、 开篇引入：从需求到核心 —— 差动驱动机器人的自主导航难题一、开篇引入：从需求到核心 —— 差动驱动机器人的自主导航难题1.1 应用场景驱动：差动驱动机器人的 “用武之地”在科技飞速发展的当下，全自主差动驱动移动机器人凭借独特的结构与灵活的运动能力，在众多领域大显身手。在军事侦察领域，它能深入危险区域，凭借小巧身形穿梭于复杂地形，为作战指挥提供关键情报，降低士兵暴露于危险环境的风险；工业物料

在大数据传输、云端存储、军事通信、医疗影像共享等场景中，图像作为核心信息载体，其隐私保护至关重要。传统明文传输或简单加密方式易遭窃取、篡改，而图像的冗余性、相关性等特性，也对加密算法提出了 “高安全性、抗攻击、易实现” 的核心要求 —— 图像加密的本质，是通过数学变换将原始图像转化为无意义的乱码，仅授权者可通过密钥还原，从而保障信息安全。

一、引言：路径规划的 “痛点” 与算法融合的破局思路1.1 路径规划：智能系统的 “导航大脑”在科技飞速发展的当下，机器人、自动驾驶车辆等智能设备如雨后春笋般涌现，逐渐融入人们生活与工业生产的各个角落。它们能够自主运行的核心支撑，便是路径规划技术，这项技术堪称智能系统的 “导航大脑”。简单来说，路径规划的目标明确而关键，就是要在复杂多变的环境里，为智能设备生成一条从起点顺利抵达终点的路径，且这条路

本项目致力于开发一套先进的多机器人协同系统，实现仓库场景中货物运输的高效协调。我们将“协议”多机器人协作机制应用于仓储运输领域，该系统通过多台机器人协同作业，能够共同搬运不同重量的货物。例如，若单台机器人可承载5公斤货物，则需要11台机器人（11×5=55>53.5）来完成53.5公斤的运输任务。系统模型确保最近的机器人能精准抵达指定位置，完成货物搬运并运送到最终目标点，通过持续迭代直至任务完成或

本项目致力于开发一套先进的多机器人协同系统，实现仓库场景中货物运输的高效协调。我们将“协议”多机器人协作机制应用于仓储运输领域，该系统通过多台机器人协同作业，能够共同搬运不同重量的货物。例如，若单台机器人可承载5公斤货物，则需要11台机器人（11×5=55>53.5）来完成53.5公斤的运输任务。系统模型确保最近的机器人能精准抵达指定位置，完成货物搬运并运送到最终目标点，通过持续迭代直至任务完成或

引言 —— 非完整性机器人路径规划的痛点与破局思路1.1 路径规划的核心挑战：非完整性机器人的 “运动枷锁”在智能机器人蓬勃发展的当下，非完整性机器人在众多领域扮演着关键角色，汽车自动驾驶系统，借助传感器与算法实现自主导航；物流仓库中的 AGV 小车，高效搬运货物；无人机则在测绘、巡检等任务中大展身手。但这类机器人受自身运动学特性制约，存在严格的曲率约束。以汽车为例，转弯时不能瞬间转向，需遵循一定

一、算法扩展背景：从集中式到分布式的需求动因在多机器人协同任务（如区域巡检、物资转运、环境勘探）中，集中式 C-CAPT（Centralized Cooperative Autonomous Path Tracking）算法虽能通过全局优化实现多机器人轨迹的协同规划，但存在两大核心局限：一是全局算力依赖，需中心节点收集所有机器人的位置、速度及目标信息，当机器人数量增加（如超过 50 台）时，中心节

一、研究背景与技术痛点迭代1.1 特征模态分解的优化需求升级参数寻优局限性：牛顿 - 拉夫逊算法依赖初始值选择，易陷入局部最优（如包络拟合系数迭代停滞），尤其在信号噪声强度＞15dB 时，分解精度下降 10%-15%；计算复杂度高：海森矩阵的求解与逆运算需消耗大量算力，在嵌入式设备（如边缘诊断模块）中部署时，实时性难以满足（分解 10s 振动信号需 1.5-2s，超出 0.5s 的工程阈值）；

在机器人网络协同控制领域，分布式任务分配是实现多智能体高效协作的核心技术，其目标是在无中心节点的情况下，通过局部通信与计算完成全局任务的优化分配。本文基于约束耦合线性规划框架，详细阐述分布式对偶次梯度算法在机器人任务分配中的应用，涵盖理论模型、算法实现及蒙特卡洛仿真验证，并针对任务分配中的路径优化与冲突避免问题提出改进方向。一、理论基础与问题建模（一）任务 1：约束耦合线性规划问题。