基于改进蚁群算法的AGV路径规划问题研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 AGV技术发展概述 | 第16-17页 |
| 1.3 AGV国内外研究现状 | 第17-18页 |
| 1.3.1 国外发展现状 | 第17页 |
| 1.3.2 国内研究现状 | 第17-18页 |
| 1.4 AGV路径规划的研究 | 第18-19页 |
| 1.5 AGV路径规划的发展趋势 | 第19页 |
| 1.6 主要研究内容 | 第19-21页 |
| 第二章 AGV体系结构及相关理论综述 | 第21-31页 |
| 2.1 AGV系统 | 第21-22页 |
| 2.1.1 AGV结构组成 | 第21页 |
| 2.1.2 AGV分类 | 第21-22页 |
| 2.1.3 AGV系统结构 | 第22页 |
| 2.2 AGV运动学模型 | 第22-25页 |
| 2.3 AGV导航定位技术 | 第25-27页 |
| 2.4 AGV路径规划算法的研究 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于改进蚁群算法的AGV路径规划 | 第31-43页 |
| 3.1 AGV空间环境模型的方法 | 第31-33页 |
| 3.2 环境建模 | 第33-34页 |
| 3.2.1 空间环境仿真模型 | 第33页 |
| 3.2.2 AGV运动距离函数 | 第33-34页 |
| 3.3 传统蚁群算法 | 第34-36页 |
| 3.3.1 蚂蚁算法基本思想 | 第34页 |
| 3.3.2 蚂蚁系统模型 | 第34-36页 |
| 3.4 改进的蚁群算法 | 第36-42页 |
| 3.4.1 蚁群算法概率公式的改进 | 第36页 |
| 3.4.2 优胜劣汰机制 | 第36-37页 |
| 3.4.3 全局信息量调整 | 第37-38页 |
| 3.4.4 信息素浓度限制 | 第38页 |
| 3.4.5 死锁策略 | 第38-39页 |
| 3.4.6 改进蚁群算法的路径规划步骤 | 第39-40页 |
| 3.4.7 仿真验证 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 多AGV路径规划的研究 | 第43-60页 |
| 4.1 多AGV系统规划结构 | 第43-44页 |
| 4.2 任务分配优先级与AGV优先级 | 第44-45页 |
| 4.2.1 任务分配优先级 | 第44-45页 |
| 4.2.2 AGV优先级 | 第45页 |
| 4.3 环境问题描述 | 第45-49页 |
| 4.3.1 变量定义 | 第45-46页 |
| 4.3.2 AGV行驶规则 | 第46-47页 |
| 4.3.3 多AGV目标评价函数 | 第47-49页 |
| 4.4 多AGV动态路径规划 | 第49-56页 |
| 4.4.1 多AGV路径规划问题 | 第49-50页 |
| 4.4.2 碰撞预测条件 | 第50页 |
| 4.4.3 冲突类型判断与协调策略 | 第50-54页 |
| 4.4.4 多AGV动态路径规划策略步骤 | 第54-56页 |
| 4.5 仿真验证 | 第56-58页 |
| 4.6 本章小结 | 第58-60页 |
| 第五章 总结和展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第66页 |
