轮式移动机器人的路径规划
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 引言 | 第9-10页 |
| 1.2 移动机器人定义的由来 | 第10-11页 |
| 1.3 移动机器人的发展研究现状 | 第11-12页 |
| 1.3.1 国内移动机器人的发展研究现状 | 第11页 |
| 1.3.2 国外移动机器人的发展研究现状 | 第11-12页 |
| 1.4 移动机器人的关键技术 | 第12-13页 |
| 1.4.1 移动机器人的导航定位技术 | 第12页 |
| 1.4.2 移动机器人的路径规划技术 | 第12页 |
| 1.4.3 移动机器人的通信技术 | 第12-13页 |
| 1.5 论文的创新之处 | 第13页 |
| 1.6 论文的主要内容和结构安排 | 第13-14页 |
| 1.7 本章小结 | 第14-15页 |
| 第二章 移动机器人路径规划方法 | 第15-20页 |
| 2.1 移动机器人路径规划问题描述 | 第15页 |
| 2.2 移动机器人路径规划方法及研究现状 | 第15-19页 |
| 2.2.1 路径规划的传统方法研究 | 第15-17页 |
| 2.2.2 路径规划的智能方法研究 | 第17-19页 |
| 2.3 研究小结 | 第19-20页 |
| 第三章 传统蚁群算法的仿生计算 | 第20-31页 |
| 3.1 蚁群算法 | 第20-22页 |
| 3.1.1 基本原理 | 第20页 |
| 3.1.2 术语介绍 | 第20-21页 |
| 3.1.3 基本流程 | 第21-22页 |
| 3.2 蚁群算法构成要素 | 第22-24页 |
| 3.2.1 蚂蚁移动策略 | 第22页 |
| 3.2.2 局部搜索算子 | 第22页 |
| 3.2.3 信息素更新 | 第22-24页 |
| 3.3 控制参数选择 | 第24页 |
| 3.4 蚁群算法群体智能搜索策略分析 | 第24-25页 |
| 3.4.1 个体行为及个体之间信息交互方法分析 | 第24-25页 |
| 3.5 蚁群算法仿生计算在聚类分析中的应用 | 第25-30页 |
| 3.5.1 蚁群算法解决聚类问题的实现方法 | 第25页 |
| 3.5.2 构造个体 | 第25-26页 |
| 3.5.3 构造信息素矩阵 | 第26-27页 |
| 3.5.4 构造目标函数 | 第27页 |
| 3.5.5 更新蚁群 | 第27-28页 |
| 3.5.6 局部搜索 | 第28页 |
| 3.5.7 信息素矩阵更新 | 第28-30页 |
| 3.5.8 解决步骤和结果 | 第30页 |
| 3.6 小结 | 第30-31页 |
| 第四章 蜂巢栅格下自适应蚁群算法的路径规划分析 | 第31-50页 |
| 4.1 传统栅格法 | 第31-36页 |
| 4.1.1 传统栅格法简介 | 第31-33页 |
| 4.1.2 蜂巢栅格法与传统栅格法比较分析 | 第33-36页 |
| 4.2 自适应蚁群算法 | 第36-41页 |
| 4.2.1 全局环境规划 | 第36-37页 |
| 4.2.2 聚度 | 第37-39页 |
| 4.2.3 信息权重 | 第39-40页 |
| 4.2.4 局部和全局信息素更新策略 | 第40-41页 |
| 4.3 算法仿真模拟计算 | 第41-49页 |
| 4.3.1 数据编码 | 第41页 |
| 4.3.2 算法步骤和流程 | 第41-43页 |
| 4.3.3 算法简单模拟仿真 | 第43-46页 |
| 4.3.4 最终模拟仿真计算结果 | 第46-49页 |
| 4.4 小结 | 第49-50页 |
| 第五章 轮式移动机器人路径规划实验平台 | 第50-58页 |
| 5.1 试验平台简介 | 第50-56页 |
| 5.1.1 轮式移动机器人的机械结构 | 第50-52页 |
| 5.1.2 轮式移动机器人的控制硬件结构 | 第52-54页 |
| 5.1.3 轮式移动机器人的软件结构 | 第54-56页 |
| 5.2 基于改进蚁群算法的路径规划实验 | 第56-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 结论与展望 | 第58-61页 |
| 6.1 全文总结 | 第58页 |
| 6.2 展望 | 第58-61页 |
| 参考文献 | 第61-64页 |
| 硕士学位期间发表的学术论文和参加项目情况说明 | 第64-65页 |
| 致谢 | 第65-66页 |
