基于神经网络的移动机器人路径规划研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题来源与研究背景 | 第9-10页 |
| ·路径规划研究的基本问题 | 第10-11页 |
| ·移动机器人路径规划技术的发展现状 | 第11-13页 |
| ·全局路径规划 | 第11-12页 |
| ·局部路径规划 | 第12-13页 |
| ·神经网络在移动机器人路径规划中的应用 | 第13-14页 |
| ·本文主要研究内容 | 第14-15页 |
| 第2章 神经网络基础理论 | 第15-25页 |
| ·神经网络的基本理论 | 第16-21页 |
| ·神经元模型概述 | 第16-18页 |
| ·神经网络的工作原理 | 第18页 |
| ·神经网络的结构 | 第18-19页 |
| ·神经网络的学习 | 第19-21页 |
| ·BP神经网络 | 第21-24页 |
| ·BP神经网络原理 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于Elman网络的局部路径规划 | 第25-36页 |
| ·Elman网络的基本理论 | 第25-28页 |
| ·基本Elman网络 | 第25-27页 |
| ·改进的Elman网络 | 第27-28页 |
| ·用于路径规划的神经网络 | 第28-33页 |
| ·基本方案 | 第28-29页 |
| ·网络结构设计 | 第29-30页 |
| ·网络参数的选择 | 第30-32页 |
| ·网络实现 | 第32-33页 |
| ·仿真实验 | 第33-35页 |
| ·仿真环境建立 | 第33-34页 |
| ·仿真结果 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于神经网络和模拟退火算法的全局路径规划 | 第36-47页 |
| ·环境信息的神经网络描述 | 第36-38页 |
| ·路径规划数学模型的建立 | 第38-39页 |
| ·模拟退火算法 | 第39-44页 |
| ·模拟退火算法的原理 | 第40-42页 |
| ·仿真实验 | 第42-44页 |
| ·改进的模拟退火算法及其应用 | 第44-45页 |
| ·改进的模拟退火算法 | 第44-45页 |
| ·仿真实验 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第5章 基于神经网络和遗传算法的全局路径规划 | 第47-60页 |
| ·遗传算法的基础理论 | 第47-51页 |
| ·遗传算法的原理 | 第47-48页 |
| ·遗传算法的基本步骤 | 第48-50页 |
| ·遗传算法的特点 | 第50-51页 |
| ·遗传算法路径规划 | 第51-56页 |
| ·编码 | 第51-52页 |
| ·适应度函数的选择 | 第52-53页 |
| ·遗传操作 | 第53-54页 |
| ·仿真实验 | 第54-56页 |
| ·遗传模拟退火算法路径规划 | 第56-59页 |
| ·遗传模拟退火算法的步骤 | 第56-58页 |
| ·遗传模拟退火算法路径规划 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| ·全文总结 | 第60-61页 |
| ·研究展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |
