| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-17页 |
| ·移动机器人避障路径规划技术 | 第9-12页 |
| ·避障路径规划问题的表达、分类和特点 | 第9-10页 |
| ·避障路径规划的研究现状 | 第10-12页 |
| ·TSP 路径规划问题概述 | 第12-16页 |
| ·TSP 路径规划问题研究现状 | 第13-16页 |
| ·本文研究的目的和研究内容 | 第16-17页 |
| ·研究目的 | 第16页 |
| ·研究内容 | 第16-17页 |
| 第二章 遗传模拟退火算法 | 第17-29页 |
| ·遗传算法 | 第17-24页 |
| ·遗传算法概述 | 第17-18页 |
| ·遗传算法模式定理 | 第18页 |
| ·遗传算法的特点和步骤 | 第18-20页 |
| ·遗传算法的组成 | 第20-24页 |
| ·模拟退火算法 | 第24-25页 |
| ·遗传模拟退火算法 | 第25-28页 |
| ·遗传模拟退火算法的基本思想 | 第25-26页 |
| ·遗传模拟退火算法的步骤 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于遗传模拟退火的移动机器人避障路径规划 | 第29-43页 |
| ·移动机器人环境模型的建立 | 第29页 |
| ·路径编码方法 | 第29-30页 |
| ·适应度函数 | 第30-31页 |
| ·初始种群的生成 | 第31-33页 |
| ·遗传操作 | 第33-35页 |
| ·选择算子 | 第33页 |
| ·交叉算子 | 第33-34页 |
| ·变异算子 | 第34-35页 |
| ·修复算子 | 第35页 |
| ·模拟退火参数的设计 | 第35-37页 |
| ·初始温度的选取 | 第35-36页 |
| ·温度更新函数的选取 | 第36页 |
| ·模拟退火算法的终止准则 | 第36-37页 |
| ·随机移动准则 | 第37页 |
| ·基于遗传模拟退火的避障路径规划算法 | 第37-39页 |
| ·仿真实验结果及分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 遗传算法在TSP 路径规划上的应用 | 第43-52页 |
| ·TSP 路径规划的数学描述 | 第43-44页 |
| ·TSP 路径规划的分类 | 第44-45页 |
| ·编码方式 | 第45-46页 |
| ·邻接表达 | 第45页 |
| ·边表达 | 第45页 |
| ·矩阵表达 | 第45页 |
| ·随机键表达 | 第45-46页 |
| ·序表达 | 第46页 |
| ·初始种群与适应度函数 | 第46页 |
| ·遗传算子 | 第46-48页 |
| ·选择算子 | 第46-47页 |
| ·交叉算子 | 第47-48页 |
| ·变异算子 | 第48页 |
| ·控制参数 | 第48-49页 |
| ·种群规模M | 第48-49页 |
| ·交叉概率p c | 第49页 |
| ·变异概率p m | 第49页 |
| ·终止进化代数T | 第49页 |
| ·求解TSP 路径规划的基本遗传算法 | 第49-50页 |
| ·仿真实验结果及分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于改进遗传算法求解TSP 路径规划问题 | 第52-66页 |
| ·基于依概率近邻法的遗传算法求解TSP 路径规划问题 | 第52-58页 |
| ·问题描述 | 第52-53页 |
| ·编码方式 | 第53页 |
| ·初始种群的设计 | 第53-54页 |
| ·适应度函数 | 第54-55页 |
| ·选择算子 | 第55页 |
| ·交叉算子 | 第55页 |
| ·变异算子 | 第55-56页 |
| ·基于依概率近邻法的遗传算法流程 | 第56-57页 |
| ·仿真实验结果及分析 | 第57-58页 |
| ·基于相似性遗传算法求解TSP 路径规划问题 | 第58-65页 |
| ·相似性的概念描述 | 第59页 |
| ·算法设计 | 第59-61页 |
| ·加速启发式交叉算子 | 第61-62页 |
| ·加速启发式倒位变异算子 | 第62页 |
| ·基于相似性遗传算法流程 | 第62-64页 |
| ·仿真实验结果及分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·全文总结 | 第66页 |
| ·课题展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录： 作者在攻读硕士学位期间发表的论文 | 第72页 |