| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 第1章 机器人路径规划概述 | 第8-16页 |
| ·课题研究的背景及意义 | 第8页 |
| ·路径规划的定义 | 第8-9页 |
| ·路径规划问题的分类 | 第9页 |
| ·路径规划问题的环境表达 | 第9-10页 |
| ·国内外研究现状及发展趋势 | 第10-13页 |
| ·基于蚁群算法的机器人路径规划 | 第13-16页 |
| 第2章 机器人路径规划环境模型的建立 | 第16-28页 |
| ·环境建模概述 | 第16-18页 |
| ·环境建模中的图论思想 | 第18-21页 |
| ·图的基本概念 | 第19页 |
| ·图的连通性 | 第19-20页 |
| ·图的矩阵表示 | 第20-21页 |
| ·问题的描述与定义 | 第21-24页 |
| ·栅格划分环境空间 | 第22-23页 |
| ·问题空间的定义 | 第23-24页 |
| ·栅格环境与图的逻辑对应 | 第24-26页 |
| ·栅格环境中路径寻优问题的性质 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第3章 基于改进蚁群算法的机器人路径规划 | 第28-43页 |
| ·蚁群算法的基本原理及其工作流程 | 第28-35页 |
| ·蚁群算法的基本原理与工作流程 | 第28-33页 |
| ·蚁群算法中参数(α,β,ρ)的设置研究 | 第33页 |
| ·基于图解的蚁群系统 | 第33-35页 |
| ·基于蚁群算法的机器人路径搜索 | 第35-36页 |
| ·算法的描述 | 第35页 |
| ·基本蚁群算法的实现 | 第35-36页 |
| ·改进蚁群算法的路径搜索及实现 | 第36-40页 |
| ·信息素更新策略 | 第36页 |
| ·融入遗传算法的交叉、变异策略 | 第36-38页 |
| ·改进算法的描述 | 第38-39页 |
| ·改进算法的实现步骤 | 第39-40页 |
| ·可行路径的平滑处理 | 第40-42页 |
| ·小结 | 第42-43页 |
| 第4章 机器人路径规划的仿真实验 | 第43-53页 |
| ·仿真环境 | 第43-45页 |
| ·软件环境 | 第43-45页 |
| ·操作系统与硬件配置 | 第45页 |
| ·仿真实验系统的描述 | 第45-46页 |
| ·仿真实验结果的分析与比较 | 第46-53页 |
| ·仿真实验系统中参数的设置研究 | 第46-51页 |
| ·算法性能的比较 | 第51-53页 |
| 第5章 基于马尔科夫过程的蚁群算法路径搜索收敛性分析 | 第53-59页 |
| ·蚁群算法的迭代过程是马尔科夫过程 | 第53-55页 |
| ·蚁群算法迭代过程的“Markov 性” | 第53-54页 |
| ·蚁群算法的马尔科夫链的单调性 | 第54-55页 |
| ·蚁群算法迭代过程的收敛性分析 | 第55-58页 |
| ·算法收敛性的描述 | 第55-56页 |
| ·算法收敛性的证明 | 第56-58页 |
| ·改善收敛性的途径 | 第58页 |
| ·小结 | 第58-59页 |
| 第6章 结束语 | 第59-61页 |
| ·研究工作总结 | 第59页 |
| ·工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-71页 |
| 后记 | 第71页 |