| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题背景 | 第14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 算法收敛性研究现状 | 第15-16页 |
| 1.2.2 蚁群算法改进与应用研究现状 | 第16-17页 |
| 1.3 课题研究内容 | 第17页 |
| 1.4 本文组织结构 | 第17-20页 |
| 第二章 蚁群算法与混沌优化理论 | 第20-32页 |
| 2.1 蚁群算法生物学背景 | 第20页 |
| 2.2 蚁群算法的基本原理 | 第20-23页 |
| 2.2.1 双桥实验 | 第20-21页 |
| 2.2.2 随机模型 | 第21-22页 |
| 2.2.3 基本蚁群算法逻辑结构 | 第22-23页 |
| 2.3 典型蚁群算法 | 第23-28页 |
| 2.3.1 简单蚁群优化(S-ACO) | 第23-24页 |
| 2.3.2 蚂蚁系统(AS) | 第24-26页 |
| 2.3.3 蚁群系统(ACS) | 第26-27页 |
| 2.3.4 最大最小蚁群系统(MMAS) | 第27-28页 |
| 2.4 混沌优化理论 | 第28-30页 |
| 2.4.1 混沌的特点 | 第28-29页 |
| 2.4.2 Tent映射模型 | 第29页 |
| 2.4.3 混沌优化基本流程 | 第29-30页 |
| 2.5 融合混沌优化的蚁群算法 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 混沌最大最小蚂蚁系统算法及TSP求解 | 第32-44页 |
| 3.1 旅行商问题(TSP)基本模型 | 第32页 |
| 3.2 混沌最大最小蚂蚁系统算法(CMMAS) | 第32-36页 |
| 3.2.1 初始信息素产生方法 | 第32-35页 |
| 3.2.2 全局同步和精英策略 | 第35页 |
| 3.2.3 混沌扰动策略 | 第35-36页 |
| 3.3 混沌最大最小蚁群算法主要步骤 | 第36-37页 |
| 3.4 实验结果与性能分析 | 第37-42页 |
| 3.4.1 参数对算法性能的影响 | 第37-39页 |
| 3.4.2 改进算法对收敛速度的影响 | 第39-40页 |
| 3.4.3 改进算法性能分析 | 第40-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于改进混沌蚁群系统算法的机器人路径规划 | 第44-62页 |
| 4.1 机器人路径规划问题 | 第44页 |
| 4.2 栅格法地图空间建模 | 第44-49页 |
| 4.2.1 地图搜索空间栅格 | 第44-48页 |
| 4.2.2 栅格地图与逻辑图的对应关系 | 第48-49页 |
| 4.3 改进混沌蚁群算法(CACS) | 第49-54页 |
| 4.3.1 改进混沌初始信息素 | 第49-51页 |
| 4.3.2 路径分析及调整 | 第51-52页 |
| 4.3.3 算法改进策略 | 第52-54页 |
| 4.4 混沌蚁群算法主要步骤 | 第54页 |
| 4.5 实验结果与性能分析 | 第54-60页 |
| 4.5.1 路径评价函数参数选择 | 第54-55页 |
| 4.5.2 CACS与ACS性能比较 | 第55-57页 |
| 4.5.3 CACS与其他算法的性能比较 | 第57-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第五章 改进混沌蚁群算法在虚拟景区路径规划中的应用 | 第62-74页 |
| 5.1 虚拟场景建模 | 第63-66页 |
| 5.2 各功能模块实现 | 第66-68页 |
| 5.3 改进混沌蚁群算法在自动漫游中的应用 | 第68-73页 |
| 5.3.1 蚁群搜索地图栅格化 | 第69-70页 |
| 5.3.2 改进混沌蚁群算法路径搜索步骤 | 第70-72页 |
| 5.3.3 自动漫游控制 | 第72-73页 |
| 5.4 本章小节 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 本文工作总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 研究成果及发表的学术论文 | 第82-84页 |
| 作者与导师简介 | 第84-85页 |
| 附件 | 第85-86页 |