基于遗传算法的移动机器人路径规划的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-20页 |
| ·选题背景和意义 | 第9-11页 |
| ·国内外研究现状及发展趋势 | 第11-15页 |
| ·国外研究现状及发展 | 第11-13页 |
| ·国内研究现状及发展 | 第13-15页 |
| ·移动机器人路径规划现状及发展趋势 | 第15-18页 |
| ·论文主要研究内容及综述 | 第18-20页 |
| 第2章 移动机器人路径规划及相关技术 | 第20-30页 |
| ·移动机器人的关键技术 | 第20-22页 |
| ·导航 | 第20-21页 |
| ·定位 | 第21页 |
| ·多传感器信息融合 | 第21-22页 |
| ·移动机器人路径规划综述 | 第22-23页 |
| ·路径规划的定义 | 第22-23页 |
| ·路径规划的分类 | 第23页 |
| ·移动机器人路径规划的方法 | 第23-29页 |
| ·传统方法 | 第23-26页 |
| ·智能方法 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 遗传算法的原理 | 第30-44页 |
| ·遗传算法的相关概念 | 第30-32页 |
| ·遗传算法的原理 | 第30-31页 |
| ·遗传算法的相关定义 | 第31-32页 |
| ·遗传算法的特点 | 第32-33页 |
| ·遗传算法的基本流程 | 第33-43页 |
| ·个体编码 | 第35-36页 |
| ·初始种群的生成 | 第36页 |
| ·适应度函数的设定 | 第36-38页 |
| ·选择操作 | 第38-40页 |
| ·交叉 | 第40-41页 |
| ·变异算子 | 第41-42页 |
| ·约束条件的处理 | 第42页 |
| ·终止条件 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 改进遗传算法的移动机器人路径规划 | 第44-57页 |
| ·环境信息的表示 | 第44-46页 |
| ·环境信息的预处理 | 第44页 |
| ·栅格法建立环境模型 | 第44-46页 |
| ·初始设置 | 第46-47页 |
| ·编码 | 第46-47页 |
| ·种群初始化 | 第47页 |
| ·适应度函数的设置 | 第47-51页 |
| ·静态适应度函数 | 第48页 |
| ·动态适应度函数 | 第48-51页 |
| ·遗传算子的设定 | 第51-55页 |
| ·选择算子 | 第51-52页 |
| ·交叉算子 | 第52页 |
| ·变异算子 | 第52-53页 |
| ·插入算子 | 第53-54页 |
| ·删除算子 | 第54页 |
| ·平滑算子 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 第5章 路径规划的仿真结果及分析 | 第57-72页 |
| ·实验环境介绍 | 第57页 |
| ·环境地图 | 第57-58页 |
| ·静态环境路径规划 | 第58-61页 |
| ·动态路径规划 | 第61-71页 |
| ·出现静止障碍物 | 第61-65页 |
| ·出现移动障碍物 | 第65-71页 |
| ·本章小结 | 第71-72页 |
| 第6章 结论与展望 | 第72-73页 |
| ·结论 | 第72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 缩略语词汇表 | 第78-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间的研究成果 | 第80页 |
