基于遗传算法的移动机器人路径规划研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 引言 | 第8-11页 |
| ·移动机器人路径规划技术现状 | 第8-9页 |
| ·课题的提出 | 第9-10页 |
| ·本论文的主要工作 | 第10页 |
| ·论文的结构 | 第10-11页 |
| 第二章 移动机器人路径规划 | 第11-20页 |
| ·移动机器人导航 | 第11-14页 |
| ·机器人导航方式 | 第12页 |
| ·机器人导航相关技术 | 第12-13页 |
| ·机器人导航技术发展 | 第13-14页 |
| ·移动机器人路径规划 | 第14-20页 |
| ·传统路径规划方法 | 第14-16页 |
| ·智能路径规划方法 | 第16-20页 |
| 第三章 遗传算法原理 | 第20-34页 |
| ·遗传算法简介 | 第20-22页 |
| ·遗传算法的理论基础 | 第22-24页 |
| ·模式定理 | 第22页 |
| ·积木块假设 | 第22页 |
| ·收敛性分析 | 第22-23页 |
| ·遗传算法的性能评价 | 第23-24页 |
| ·遗传算法的组成 | 第24-33页 |
| ·编码 | 第24-25页 |
| ·初始群体的产生 | 第25页 |
| ·评价函数 | 第25-26页 |
| ·遗传操作算子 | 第26-31页 |
| ·算法终止条件 | 第31-32页 |
| ·算法参数设置 | 第32-33页 |
| ·遗传算法的改进方向 | 第33-34页 |
| 第四章 基于遗传算法的路径规划 | 第34-50页 |
| ·问题定义 | 第34-35页 |
| ·环境表述 | 第34-35页 |
| ·染色体的表示 | 第35页 |
| ·初始种群的生成 | 第35-37页 |
| ·路径评估 | 第37-39页 |
| ·可行路径的适应值计算 | 第37-38页 |
| ·不可行路径的适应值计算 | 第38-39页 |
| ·遗传操作 | 第39-41页 |
| ·选择操作 | 第39页 |
| ·交叉操作 | 第39-40页 |
| ·变异操作 | 第40-41页 |
| ·平滑操作 | 第41页 |
| ·终止条件 | 第41页 |
| ·遗传操作参数的影响 | 第41-46页 |
| ·适应度参数 | 第42-43页 |
| ·种群规模 | 第43-45页 |
| ·遗传操作概率 | 第45-46页 |
| ·动态路径规划方法 | 第46-50页 |
| 第五章 路径规划的仿真结果及分析 | 第50-60页 |
| ·仿真环境 | 第50-52页 |
| ·静态环境仿真 | 第52-56页 |
| ·动态环境仿真 | 第56-58页 |
| ·与其它方法的仿真比较 | 第58-60页 |
| 第六章 结论与展望 | 第60-62页 |
| ·结论 | 第60页 |
| ·今后的工作 | 第60-62页 |
| ·对遗传规划算法的改进 | 第60-61页 |
| ·拓展遗传规划算法的应用范围 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-65页 |
| 个人简历及科研经历 | 第65页 |
