基于改进蚁群算法的机器人三维路径规划研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 移动机器人路径规划的背景和意义 | 第8-10页 |
| 1.2 国内外研究概状 | 第10-13页 |
| 1.2.1 国外研究概状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.3 移动机器人路径规划需要解决的问题 | 第13-14页 |
| 1.4 论文的主要研究内容 | 第14-15页 |
| 第2章 移动机器人路径规划问题综述 | 第15-29页 |
| 2.1 移动机器人路径规划问题介绍 | 第15页 |
| 2.2 路径规划的环境建模方法 | 第15页 |
| 2.3 移动机器人路径规划的分类 | 第15-16页 |
| 2.4 移动机器人路径规划问题的传统求解方法 | 第16-21页 |
| 2.4.1 可视图法 | 第16-17页 |
| 2.4.2 自由空间法 | 第17-18页 |
| 2.4.3 拓扑图法 | 第18页 |
| 2.4.4 惩罚函数法 | 第18-20页 |
| 2.4.5 栅格解耦法 | 第20-21页 |
| 2.5 基于智能算法的移动机器人的路径规划 | 第21-25页 |
| 2.5.1 模糊逻辑法 | 第21-23页 |
| 2.5.2 遗传算法 | 第23-24页 |
| 2.5.3 神经网络法 | 第24页 |
| 2.5.4 人工势场法 | 第24-25页 |
| 2.6 蚁群算法 | 第25-28页 |
| 2.6.1 蚁群算法的产生 | 第25-26页 |
| 2.6.2 蚁群算法的基本原理 | 第26-27页 |
| 2.6.3 蚁群算法的优缺点分析 | 第27-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第3章 蚁群算法的优化及分析 | 第29-47页 |
| 3.1 蚁群算法的数学表达 | 第29-31页 |
| 3.1.1 蚁群算法的基本原型—TSP问题 | 第29页 |
| 3.1.2 蚁群算法的数学模型 | 第29-31页 |
| 3.2 蚁群算法的参数选择原则 | 第31-33页 |
| 3.2.1 信息素挥发系数ρ对蚁群算法性能的影响 | 第31-32页 |
| 3.2.2 蚂蚁数目m对蚁群算法性能的影响 | 第32页 |
| 3.2.3 参数α和β对蚁群算法性能的影响 | 第32页 |
| 3.2.4 信息素强度Q对蚁群算法性能的影响 | 第32-33页 |
| 3.3 优化策略对蚁群算法性能的影响 | 第33-46页 |
| 3.3.1 “反势场”对蚁群算法性能的影响 | 第33-36页 |
| 3.3.2 “杂交优化”对蚁群算法性能的影响 | 第36-40页 |
| 3.3.3 “自适应调节”对蚁群算法性能的影响 | 第40-43页 |
| 3.3.4 “优胜劣汰”对蚁群算法性能的影响 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 移动机器人三维地形路径规划 | 第47-61页 |
| 4.1 三维地形建模 | 第47-49页 |
| 4.2 三维地形蚁群算法的优化策略 | 第49-54页 |
| 4.2.1 反势场函数的调整 | 第50-51页 |
| 4.2.2 信息素更新策略 | 第51-52页 |
| 4.2.3 信息素挥发系数的调整 | 第52-53页 |
| 4.2.4 每条路径上信息素量的调整 | 第53-54页 |
| 4.2.5 转移规则 | 第54页 |
| 4.3 优化算法的设计 | 第54-56页 |
| 4.4 算法的分析以及仿真实验 | 第56-59页 |
| 4.4.1 算法的性能分析 | 第56-57页 |
| 4.4.2 算法的仿真实验 | 第57-59页 |
| 4.5 栅格划分对算法性能的影响 | 第59-60页 |
| 4.6 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间发表的学术论文 | 第68-70页 |
