人工智能理论研究及在机器人路径规划中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·人工智能理论的背景和意义 | 第9页 |
| ·移动机器人路径规划介绍 | 第9-13页 |
| ·移动机器人发展状况 | 第9-10页 |
| ·移动机器人路径规划分类 | 第10-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·课题研究背景和意义 | 第13页 |
| ·论文主要内容 | 第13-14页 |
| 第2章 路径规划基础知识介绍 | 第14-22页 |
| ·人工势场法介绍 | 第14-15页 |
| ·人工神经网络理论概述 | 第15-17页 |
| ·神经网络的局部极小问题 | 第15-17页 |
| ·遗传算法优化小波神经网络 | 第17-21页 |
| ·算法的模型建立 | 第17-18页 |
| ·算法流程描述 | 第18-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于人工智能理论的机器人路径规划方法 | 第22-37页 |
| ·机器人路径规划环境表示 | 第22-25页 |
| ·栅格法 | 第22-25页 |
| ·改进的人工势场法的路径规划 | 第25-35页 |
| ·引力场函数和吸引力的研究 | 第26-27页 |
| ·斥力场函数和排斥力的研究 | 第27-29页 |
| ·遗传算法优化势场函数参数 | 第29-31页 |
| ·虚拟障碍物的方法设计 | 第31-35页 |
| ·混合智能路径优化算法设计 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于人工智能理论的路径规划仿真实验 | 第37-48页 |
| ·二维离散情况机器人路径规划仿真实验 | 第37-39页 |
| ·连续环境下的机器人路径规划仿真实验 | 第39-47页 |
| ·无障碍物规划环境下的单目标路径规划 | 第40-41页 |
| ·有障碍物规划环境下的单目标路径规划 | 第41-43页 |
| ·多机器人规划环境下的多目标规划 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 结论与展望 | 第48-49页 |
| 一 结论 | 第48页 |
| 二 展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第54-55页 |
| 一、发表论文 | 第54页 |
| 二、论文获奖 | 第54页 |
| 三、参与科研项目 | 第54-55页 |
| 致谢 | 第55-56页 |
| 附录 A | 第56-62页 |
| 附录 B | 第62-65页 |
