基于免疫遗传算法的移动机器人路径规划研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·引言 | 第10页 |
| ·移动机器人的发展现状 | 第10-12页 |
| ·移动机器人研究的基本内容 | 第12-15页 |
| ·本文主要研究内容 | 第15-17页 |
| 第二章 移动机器人路径规划技术 | 第17-31页 |
| ·路径规划概述 | 第17-19页 |
| ·路径规划问题的描述 | 第17-18页 |
| ·路径规划的分类及特点 | 第18-19页 |
| ·机器人路径规划的基本问题 | 第19-23页 |
| ·世界空间到位姿空间中的转换 | 第20页 |
| ·位姿空间的计算方法 | 第20-21页 |
| ·物体信息的获取和表示 | 第21页 |
| ·搜索方法 | 第21-23页 |
| ·路径规划中的碰撞检测 | 第23页 |
| ·传统路径规划方法 | 第23-25页 |
| ·可视图法 | 第24页 |
| ·自由空间法 | 第24页 |
| ·栅格解耦法 | 第24-25页 |
| ·人工势场法 | 第25页 |
| ·智能路径规划方法 | 第25-29页 |
| ·模糊逻辑法 | 第26页 |
| ·神经网络法 | 第26-27页 |
| ·人工蚁群法 | 第27-29页 |
| ·遗传算法 | 第29页 |
| ·本文提出的路径规划方法 | 第29-31页 |
| 第三章 遗传算法的基本原理 | 第31-49页 |
| ·遗传算法的起源 | 第31页 |
| ·遗传算法的生物学机理 | 第31-34页 |
| ·遗传和变异 | 第32-33页 |
| ·生物进化 | 第33-34页 |
| ·基本遗传算法理论基础 | 第34-37页 |
| ·模式定理 | 第34-37页 |
| ·积木块假设 | 第37页 |
| ·基本遗传算法的实施 | 第37-46页 |
| ·编码 | 第37-38页 |
| ·初始群体的产生 | 第38-40页 |
| ·适应度函数 | 第40页 |
| ·遗传操作算子 | 第40-45页 |
| ·算法终止条件 | 第45页 |
| ·算法参数设置 | 第45-46页 |
| ·遗传算法的特点 | 第46-49页 |
| 第四章 基本遗传算法的改进及其应用 | 第49-60页 |
| ·基本遗传算法的改进算法 | 第49-57页 |
| ·精英交叉遗传算法 | 第49-52页 |
| ·基于信息熵的免疫遗传算法 | 第52-55页 |
| ·基于欧式距离的免疫遗传算法 | 第55-57页 |
| ·遗传算法的应用概况 | 第57-60页 |
| 第五章 免疫遗传算法在移动机器人路径规划中的应用 | 第60-73页 |
| ·移动机器人自由空间建模 | 第61-64页 |
| ·栅格粒度的确定 | 第61-62页 |
| ·空间的离散化和障碍物的边境处理 | 第62-63页 |
| ·模型的建立 | 第63-64页 |
| ·一种改进的免疫遗传算法 | 第64-66页 |
| ·免疫遗传算法中的几个重要定义 | 第64-66页 |
| ·精英保留策略 | 第66页 |
| ·基于免疫遗传算法的最优路径规划 | 第66-69页 |
| ·个体编码 | 第66-67页 |
| ·种群初始化 | 第67页 |
| ·个体适应度函数 | 第67页 |
| ·遗传算子 | 第67-68页 |
| ·机器人移动路径规划算法流程 | 第68-69页 |
| ·计算机仿真实验及结果分析 | 第69-72页 |
| ·动态仿真 | 第69-70页 |
| ·IGAE与GAES的比较 | 第70-72页 |
| ·结论 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间发表的学术论文 | 第81页 |
