| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义和目的 | 第12-13页 |
| 1.1.3 研究课题来源 | 第13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文的主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-19页 |
| 2 航路规划智能算法研究 | 第19-31页 |
| 2.1 航路规划算法概述 | 第19页 |
| 2.2 遗传算法 | 第19-23页 |
| 2.2.1 基本原理 | 第19-20页 |
| 2.2.2 算法描述 | 第20-21页 |
| 2.2.3 算法步骤 | 第21-22页 |
| 2.2.4 遗传算法的优化模型 | 第22-23页 |
| 2.3 粒子群算法 | 第23-29页 |
| 2.3.1 算法原理 | 第23-24页 |
| 2.3.2 算法的数学描述 | 第24-25页 |
| 2.3.3 算法的设计步骤 | 第25-26页 |
| 2.3.4 常用粒子群算法的改进方法 | 第26-29页 |
| 2.4 本章小结 | 第29-31页 |
| 3 无人机航路规划影响因素分析及建模设计 | 第31-39页 |
| 3.1 无人机威胁因素分析 | 第31页 |
| 3.2 无人机航路规划的数学模型 | 第31-37页 |
| 3.2.1 航路规划的优化指标 | 第31-34页 |
| 3.2.2 航路规划的约束条件 | 第34-36页 |
| 3.2.3 航路规划综合评价指标 | 第36-37页 |
| 3.3 本章小结 | 第37-39页 |
| 4 优化遗传算法航路规划研究与仿真实验 | 第39-47页 |
| 4.1 基本遗传算法的航路规划 | 第39-40页 |
| 4.1.1 染色体编码 | 第39页 |
| 4.1.2 适应度函数 | 第39-40页 |
| 4.1.3 基本遗传算法的航路规划步骤 | 第40页 |
| 4.2 基于优化遗传算法航路规划 | 第40-43页 |
| 4.2.1 种群初始化 | 第40-41页 |
| 4.2.2 遗传算法优化策略 | 第41-42页 |
| 4.2.3 优化遗传算法的航路规划步骤 | 第42-43页 |
| 4.3 优化遗传算法的无人机航路规划仿真实验 | 第43-46页 |
| 4.3.1 仿真环境设计 | 第43-44页 |
| 4.3.2 仿真环境下的航路规划结果 | 第44-45页 |
| 4.3.3 实验结果分析 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 改进粒子群算法航路规划研究与仿真实验 | 第47-59页 |
| 5.1 航路粒子编码与适应度 | 第47-48页 |
| 5.1.1 粒子编码 | 第47页 |
| 5.1.2 适应度函数 | 第47-48页 |
| 5.2 粒子群算法的改进 | 第48-51页 |
| 5.2.1 改进粒子群算法 | 第48-50页 |
| 5.2.2 改进粒子群算法步骤 | 第50-51页 |
| 5.2.3 航路规划的流程 | 第51页 |
| 5.3 改进粒子群算法的航路规划仿真实验 | 第51-56页 |
| 5.3.1 仿真环境设计 | 第51-52页 |
| 5.3.2 仿真环境下的航路规划结果 | 第52-54页 |
| 5.3.3 实验结果分析 | 第54-56页 |
| 5.4 基于遗传算法和粒子群算法在航路规划中的比较 | 第56-57页 |
| 5.5 本章小结 | 第57-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 作者简介 | 第67-69页 |
| 学位论文数据集 | 第69页 |