| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 移动机器人路径规划的意义 | 第12页 |
| 1.2 移动机器人路径规划背景与应用 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.3.1 国内研究现状 | 第14-15页 |
| 1.3.2 国外研究现状 | 第15-16页 |
| 1.4 移动机器人路径规划的方法 | 第16-19页 |
| 1.4.1 全局路径规划方法 | 第16-18页 |
| 1.4.2 局部路径规划方法 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第2章 蚁群算法的原理 | 第20-31页 |
| 2.1 蚁群算法来源 | 第20-28页 |
| 2.1.1 蚂蚁觅食路径选择规律 | 第20-21页 |
| 2.1.2 蚁群算法的著名实验 | 第21-23页 |
| 2.1.3 TSP问题 | 第23-24页 |
| 2.1.4 蚁群算法的数学原理 | 第24-26页 |
| 2.1.5 蚁群算法的特点 | 第26-28页 |
| 2.2 基本蚁群算法的实现过程 | 第28-29页 |
| 2.3 蚁群优化算法的评价指标和优缺点 | 第29-30页 |
| 2.3.1 算法的评价指标 | 第29-30页 |
| 2.3.2 蚁群系统的优缺点 | 第30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 蚁群算法的改进策略研究 | 第31-43页 |
| 3.1 改进的蚁群系统 | 第31-33页 |
| 3.1.1 最优-最差蚂蚁系统(Best-Worst Ant System,BWAS) | 第31页 |
| 3.1.2 最大-最小蚁群系统(Max-Min Ant System,MMAS) | 第31页 |
| 3.1.3 带精英策略的蚁群系统 | 第31-32页 |
| 3.1.4 基于优化排序的蚁群系统 | 第32-33页 |
| 3.2 蚁群算法搜索策略的改进 | 第33-36页 |
| 3.2.1 相遇策略 | 第33-34页 |
| 3.2.2 分组并行搜索策略 | 第34-35页 |
| 3.2.3 蚂蚁回退策略 | 第35-36页 |
| 3.3 改进的蚁群算法的仿真实验与结果分析 | 第36-42页 |
| 3.3.1 环境空间模型的建立 | 第36-39页 |
| 3.3.2 改进蚁群算法的步骤 | 第39-40页 |
| 3.3.3 仿真结果与分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于自适应蚁群算法的移动机器人路径规划 | 第43-60页 |
| 4.1 自适应蚁群算法数学模型及实现策略 | 第43-44页 |
| 4.1.1 基本蚁群系统模型 | 第43-44页 |
| 4.1.2 自适应蚁群算法 | 第44页 |
| 4.2 自适应蚁群算法参数选择 | 第44-47页 |
| 4.2.1 信息素浓度的初始化 | 第44-45页 |
| 4.2.2 启发因子α和β的选取 | 第45-46页 |
| 4.2.3 信息素浓度挥发系数的选取 | 第46-47页 |
| 4.3 自适应蚁群算法对TSP问题的仿真结果 | 第47-49页 |
| 4.4 调整蚂蚁的路径选择策略 | 第49-51页 |
| 4.5 自适应度的提高策略 | 第51-54页 |
| 4.5.1 与遗传算法结合 | 第51-53页 |
| 4.5.2 粒子群算法对参数进行优化 | 第53-54页 |
| 4.6 自适应蚁群算法对机器人路径进行规划 | 第54-55页 |
| 4.7 仿真实验与分析 | 第55-59页 |
| 4.8 本章小结 | 第59-60页 |
| 总结与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 主要源程序清单 | 第65-66页 |
| 攻读学位期间的科研成果 | 第66-67页 |
| 致谢 | 第67页 |