基于势场法和遗传算法的机器人路径规划技术研究

摘要	第1-7页
Abstract	第7-12页
1 绪论	第12-28页
·机器人的定义和发展	第12-14页
·研究的目的和意义	第14-15页
·国内外研究现状	第15-18页
·国外研究现状	第15-17页
·国内研究现状	第17-18页
·机器人路径规划研究概述	第18-25页
·机器人路径规划方法	第19-24页
·移动机器人路径规划技术发展趋势	第24-25页
·本文的主要研究工作	第25-26页
·本文的内容安排	第26-28页
2 复杂环境下解决势场法局部极小问题的路径规划	第28-40页
·引言	第28-29页
·人工势场法	第29-31页
·路径规划算法设计	第31-34页
·复杂障碍物栅格的处理	第31-33页
·设置子目标点	第33-34页
·改进的人工势场函数	第34-35页
·仿真实验	第35-38页
·测试势场函数的性能	第35-36页
·算法在复杂环境下的路径规划	第36-37页
·算法性能比较	第37-38页
·本章小结	第38-40页
3 两种路径规划算法在动态环境下的改进	第40-59页
·引言	第40页
·人工势场算法在动态环境下路径规划概述	第40-41页
·基于人工势场算法的移动机器人规划路径	第41-50页
·引力场函数	第42-43页
·斥力场函数	第43-45页
·局部最小问题分析	第45-47页
·仿真实验与分析	第47-50页
·人工势场结合遗传算法的移动机器人规划路径	第50-56页
·引入“逃脱力”	第50-51页
·遗传算法	第51-53页
·仿真实验	第53-56页
·两种算法的比较	第56-57页
·本章小结	第57-59页
4 改进的遗传算法在机器人路径规划中的应用	第59-73页
·引言	第59-60页
·问题描述	第60-61页
·遗传算法	第61-65页
·个体编码	第61页
·种群初始化	第61-62页
·路径修复机制	第62-63页
·适应性函数	第63页
·遗传算子	第63-65页
·自适应调整参数	第65页
·所提算法的路径规划过程	第65-66页
·实验结果	第66-72页
·两种环境的仿真结果	第66-69页
·基于自适应调整参数的仿真	第69-72页
·本章小结	第72-73页
5 量子遗传算法在机器人路径规划中的应用	第73-87页
·引言	第73-74页
·量子计算原理	第74-75页
·量子计算特征	第74-75页
·量子进化算法和量子染色体	第75页
·基于量子遗传算法的路径规划方法	第75-81页
·构建栅格地图	第76-77页
·人工势场	第77-79页
·量子遗传算法	第79-81页
·本章算法路径规划流程	第81-82页
·运动规划流程	第81-82页
·量子遗传算法优化流程	第82页
·仿真结果与分析	第82-86页
·本章小结	第86-87页
6 两种改进的优化算法的应用研究	第87-106页
·引言	第87-88页
·改进染色体编码的遗传算法路径规划的研究	第88-94页
·问题描述	第88页
·算法设计	第88-91页
·算法的路径规划过程	第91页
·实验结果与分析	第91-94页
·基于量子染色体编码的算法融合	第94-102页
·人工势场	第94-96页
·栅格标识与优化	第96-97页
·势场法和栅格法的融合	第97-98页
·基于量子染色体变异的遗传算法	第98-100页
·融合算法流程	第100-101页
·实验结果	第101-102页
·两种算法性能比较	第102-104页
·本章小结	第104-106页
结束语	第106-108页
致谢	第108-109页
参考文献	第109-120页
附录	第120-121页