| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-17页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·移动机器人路径规划概述 | 第9-11页 |
| ·路径规划的定义 | 第9页 |
| ·路径规划的分类 | 第9-10页 |
| ·路径规划问题中的环境建模 | 第10-11页 |
| ·路径规划研究现状 | 第11-16页 |
| ·传统路径规划方法 | 第11-12页 |
| ·智能路径规划方法 | 第12-16页 |
| ·本文的主要研究内容和创新点 | 第16-17页 |
| ·本文的主要研究内容 | 第16页 |
| ·本文的创新点 | 第16-17页 |
| 2 蚁群算法的数学模型及其实现 | 第17-26页 |
| ·基本蚁群算法的数学模型—蚂蚁系统 | 第17-18页 |
| ·蚂蚁系统的实现 | 第18-21页 |
| ·蚂蚁系统的实现步骤 | 第18-19页 |
| ·蚂蚁系统的程序结构流程 | 第19-20页 |
| ·蚂蚁法的软件实现 | 第20页 |
| ·蚂蚁系统的仿真研究 | 第20-21页 |
| ·蚂蚁系统的改进—蚁群系统 | 第21-24页 |
| ·蚁群系统的转移规则 | 第21-22页 |
| ·蚁群系统全局更新规则 | 第22页 |
| ·蚁群系统局部更新规则 | 第22页 |
| ·蚁群系统的实现步骤与算法流程图 | 第22-23页 |
| ·蚁群系统的仿真研究 | 第23-24页 |
| ·基本蚁群算法的性能评价指标 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 基于蚁群算法的机器人路径规划 | 第26-44页 |
| ·机器人工作环境建模 | 第26-29页 |
| ·栅格法划分环境空间 | 第26-27页 |
| ·栅格环境与图的逻辑关系 | 第27-29页 |
| ·路径规划问题的描述与定义 | 第29页 |
| ·基于蚁群算法的机器人路径规划 | 第29-32页 |
| ·将基本蚁群算法应用到机器人路径规划中时应做的改进 | 第29-31页 |
| ·算法实现步骤 | 第31-32页 |
| ·仿真研究 | 第32-43页 |
| ·参数的选取 | 第33-34页 |
| ·仿真结果与分析 | 第34-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于改进蚁群算法的机器人路径规划 | 第44-56页 |
| ·带夭折策略的蚁群算法 | 第44-47页 |
| ·基本蚁群算法的陷阱停滞现象 | 第44-45页 |
| ·蚂蚁夭折策略 | 第45-46页 |
| ·仿真研究 | 第46-47页 |
| ·带奖罚机制的蚁群算法 | 第47-50页 |
| ·带奖罚机制的蚁群算法的提出 | 第47-48页 |
| ·带奖罚机制的蚁群算法的实现步骤 | 第48-49页 |
| ·仿真研究 | 第49-50页 |
| ·基于保守蚂蚁的蚁群算法 | 第50-52页 |
| ·基于保守蚂蚁的蚁群算法的提出 | 第50页 |
| ·基于保守蚂蚁的蚁群算法的实现步骤 | 第50-51页 |
| ·仿真研究 | 第51-52页 |
| ·机器人平滑路径生成 | 第52-54页 |
| ·折线路径和平滑路径 | 第52页 |
| ·Bezier曲线与平滑路径 | 第52-53页 |
| ·仿真研究 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 5 与遗传算法融合的蚁群算法在机器人路径规划中的应用 | 第56-71页 |
| ·遗传算法与机器人路径规划 | 第56-59页 |
| ·遗传算法简介 | 第56-57页 |
| ·基于遗传算法的机器人路径规划 | 第57-59页 |
| ·仿真研究 | 第59页 |
| ·基于GA-ACA算法的机器人路径规划 | 第59-64页 |
| ·GA-ACA算法的提出 | 第59-60页 |
| ·基于GA-ACA算法的机器人路径规划 | 第60-61页 |
| ·仿真研究 | 第61-64页 |
| ·基于ACA-GA算法的机器人路径规划 | 第64-70页 |
| ·ACA-GA算法的提出 | 第64-65页 |
| ·基于ACA-GA算法的机器人路径规划 | 第65-66页 |
| ·仿真研究 | 第66-70页 |
| ·本章小结 | 第70-71页 |
| 6 总结 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |