| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-18页 |
| ·移动机器人概况 | 第8-9页 |
| ·移动机器人路径规划概念 | 第9-10页 |
| ·路径规划方法分类 | 第10-16页 |
| ·全局路径规划方法 | 第10-12页 |
| ·局部路径规划 | 第12-16页 |
| ·移动机器人路径规划发展趋势 | 第16-17页 |
| ·论文的选题意义及内容安排 | 第17-18页 |
| 第2章 神经网络和遗传算法基础理论 | 第18-34页 |
| ·人工神经网络简介 | 第18-22页 |
| ·神经网络的结构 | 第18-20页 |
| ·神经网络的特征 | 第20-21页 |
| ·神经网络的学习 | 第21-22页 |
| ·多层前向BP 神经网络和BP 算法 | 第22-25页 |
| ·多层前向BP 神经网络 | 第22-23页 |
| ·BP 算法 | 第23-25页 |
| ·遗传算法简介 | 第25-29页 |
| ·遗传算法的产生与发展 | 第25-26页 |
| ·遗传算法的生物学基础 | 第26-28页 |
| ·遗传算法的特点 | 第28-29页 |
| ·基本遗传算法 | 第29-34页 |
| ·基本遗传算法的组成 | 第30-32页 |
| ·基本遗传算法的流程 | 第32-33页 |
| ·基本遗传算法的重要标准 | 第33-34页 |
| 第3章 基于神经网络信息融合的环境栅格地图创建 | 第34-41页 |
| ·声纳传感器模型 | 第35页 |
| ·概率理论解释算法与模糊逻辑解释算法 | 第35-37页 |
| ·模糊逻辑解释算法 | 第35-36页 |
| ·概率理论解释算法 | 第36-37页 |
| ·神经网络信息融合结构 | 第37-38页 |
| ·神经网络的训练 | 第38-40页 |
| ·贝叶斯更新 | 第40-41页 |
| 第4章 基于栅格地图的遗传算法路径规划 | 第41-48页 |
| ·遗传算法的结构 | 第42-44页 |
| ·个体描述 | 第43页 |
| ·初始种群 | 第43页 |
| ·适应度评价 | 第43页 |
| ·遗传算子 | 第43-44页 |
| ·运行参数 | 第44页 |
| ·路径修复机制 | 第44-45页 |
| ·仿真实验结果 | 第45-47页 |
| ·实验结论 | 第47-48页 |
| 第5章 未知环境下基于神经网络和遗传算法的移动机器人路径规划 | 第48-61页 |
| ·移动机器人模型及运动空间定义 | 第49-50页 |
| ·神经网络运动控制器结构 | 第50-52页 |
| ·遗传操作 | 第52-56页 |
| ·染色体编码 | 第52-53页 |
| ·适应度函数设计 | 第53页 |
| ·选择操作 | 第53-54页 |
| ·交叉操作 | 第54-55页 |
| ·变异操作 | 第55-56页 |
| ·算法设计与实现 | 第56-57页 |
| ·仿真实验及结果 | 第57-61页 |
| 第6章 结论与展望 | 第61-62页 |
| ·工作总结 | 第61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 个人简历、在学期间发表的学术论文与科研成果 | 第66页 |