| 摘要 | 第1-6页 |
| 英文摘要 | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·机器人路径规划的研究现状 | 第10-12页 |
| ·移动机器人研究概述 | 第10-11页 |
| ·机器人路径规划研究现状 | 第11-12页 |
| ·蚁群算法的研究现状与发展趋势 | 第12-14页 |
| ·蚁群算法的研究现状 | 第12-13页 |
| ·蚁群算法的发展趋势 | 第13-14页 |
| ·本文的主要工作 | 第14-15页 |
| 第2章 机器人路径规划环境模型的建立 | 第15-25页 |
| ·环境建模概述 | 第15-17页 |
| ·栅格法 | 第15-17页 |
| ·几何法 | 第17页 |
| ·拓扑法 | 第17页 |
| ·栅格法建模 | 第17-21页 |
| ·二维环境建模 | 第17-20页 |
| ·三维环境建模 | 第20-21页 |
| ·可行路径评价函数的设计 | 第21-24页 |
| ·静态环境下的评价函数 | 第22-23页 |
| ·动态环境下的评价函数 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 蚁群算法参数实验与收敛性分析 | 第25-41页 |
| ·蚁群算法概述 | 第25-29页 |
| ·蚁群算法原理分析与数学模型 | 第25-28页 |
| ·蚁群算法特点与评价指标 | 第28-29页 |
| ·蚁群算法参数实验分析 | 第29-34页 |
| ·算法模型的选择 | 第29-30页 |
| ·蚂蚁数量的选择 | 第30页 |
| ·信息素强度的选择 | 第30-31页 |
| ·核心参数的选择 | 第31-34页 |
| ·基于最短路径的基本蚁群算法收敛性分析 | 第34-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 改进算法FWACO与DECACO的设计 | 第41-57页 |
| ·算法改进的总体描述 | 第41页 |
| ·模糊自适应窗口蚁群优化算法(FWACO)的设计 | 第41-50页 |
| ·FWACO算法的设计 | 第42-49页 |
| ·FWACO算法流程 | 第49-50页 |
| ·差分进化混沌蚁群优化算法(DECACO)的设计 | 第50-54页 |
| ·DECACO算法的设计 | 第51-54页 |
| ·DECACO算法流程 | 第54页 |
| ·仿真测试 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 基于FWACO与DECACO的机器人路径规划 | 第57-83页 |
| ·基于改进蚁群算法的机器人路径规划总体方案设计 | 第57-58页 |
| ·基于FWACO与DECACO的机器人路径规划算法设计 | 第58-66页 |
| ·改进蚁群算法基本环节的处理 | 第58-61页 |
| ·基于FWACO的路径规划算法设计 | 第61-64页 |
| ·基于DECACO的路径规划算法设计 | 第64-66页 |
| ·基于FWACO与DECACO的机器人路径规划仿真实验 | 第66-82页 |
| ·二维栅格环境路径规划 | 第67-76页 |
| ·三维栅格环境路径规划 | 第76-81页 |
| ·仿真实验结果总结 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 第6章 总结与展望 | 第83-85页 |
| ·工作总结 | 第83-84页 |
| ·前景展望 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89页 |
