单AGV最优路径规划及其系统开发
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-19页 |
| 1.1 课题研究背景及来源 | 第10-11页 |
| 1.1.1 课题研究的背景 | 第10-11页 |
| 1.1.2 课题研究的来源 | 第11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 AGV发展及现状 | 第11-14页 |
| 1.2.2 路径规划研究现状 | 第14-16页 |
| 1.2.3 现有研究存在的问题 | 第16-17页 |
| 1.3 课题主要研究内容 | 第17页 |
| 1.4 论文的结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 2 基于改进遗传算法的单AGV路径规划方法研究 | 第19-40页 |
| 2.1 引言 | 第19页 |
| 2.2 单AGV路径规划问题描述 | 第19-20页 |
| 2.3 遗传算法概述 | 第20-21页 |
| 2.3.1 遗传算法的产生及其发展 | 第20页 |
| 2.3.2 遗传算法组成及流程 | 第20-21页 |
| 2.4 基于改进遗传算法的单AGV路径规划方法 | 第21-33页 |
| 2.4.1 环境的建模 | 第21-22页 |
| 2.4.2 方法框架 | 第22-23页 |
| 2.4.3 随机种群的生成方法 | 第23-24页 |
| 2.4.4 编码 | 第24-26页 |
| 2.4.5 适应度函数 | 第26-27页 |
| 2.4.6 选择 | 第27-28页 |
| 2.4.7 交叉 | 第28-29页 |
| 2.4.8 变异 | 第29-31页 |
| 2.4.9 平滑 | 第31-33页 |
| 2.5 实验验证 | 第33-38页 |
| 2.5.1 实验对比一 | 第33-35页 |
| 2.5.2 实验对比二 | 第35-37页 |
| 2.5.3 实验对比三 | 第37-38页 |
| 2.6 本章小结 | 第38-40页 |
| 3 基于遗传蚁群算法的单AGV路径规划方法研究 | 第40-53页 |
| 3.1 引言 | 第40页 |
| 3.2 蚁群算法概述 | 第40-41页 |
| 3.2.1 蚁群算法的产生及现状 | 第40-41页 |
| 3.2.2 蚁群的觅食原理 | 第41页 |
| 3.3 基于遗传蚁群算法的单AGV路径规划方法 | 第41-48页 |
| 3.3.1 方法框架 | 第41-43页 |
| 3.3.2 环境信息的处理 | 第43-45页 |
| 3.3.3 待选路径节点的选取 | 第45页 |
| 3.3.4 禁忌表的设计 | 第45页 |
| 3.3.5 信息素的更新方式 | 第45-47页 |
| 3.3.6 选择 | 第47-48页 |
| 3.3.7 交叉 | 第48页 |
| 3.3.8 变异 | 第48页 |
| 3.3.9 平滑 | 第48页 |
| 3.4 实验验证 | 第48-52页 |
| 3.4.1 实验对比一 | 第48-49页 |
| 3.4.2 实验对比二 | 第49-50页 |
| 3.4.3 实验对比三 | 第50-52页 |
| 3.5 本章小结 | 第52-53页 |
| 4 单AGV路径规划原型系统软件开发 | 第53-65页 |
| 4.1 系统功能需求分析 | 第53页 |
| 4.2 原型系统模块的概要设计 | 第53-54页 |
| 4.2.1 原型仿真软件总体规划 | 第53-54页 |
| 4.2.2 原型系统功能结构 | 第54页 |
| 4.2.3 原型系统设计要求 | 第54页 |
| 4.3 原型系统设计步骤 | 第54-60页 |
| 4.3.1 登陆模块设计 | 第54-55页 |
| 4.3.2 登录模块的实现过程 | 第55页 |
| 4.3.3 主要功能模块设计 | 第55-60页 |
| 4.4 仿真验证 | 第60-64页 |
| 4.4.1 仿真验证一 | 第60-62页 |
| 4.4.2 仿真验证二 | 第62-64页 |
| 4.5 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 总结 | 第65页 |
| 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 个人简历 | 第71页 |
