| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-22页 |
| ·课题来源 | 第11页 |
| ·课题研究背景及意义 | 第11-18页 |
| ·课题的研究背景 | 第11-17页 |
| ·研究意义 | 第17-18页 |
| ·移动机器人发展现状 | 第18-20页 |
| ·国内外移动机器人发展现状 | 第18-19页 |
| ·移动机器人发展趋势 | 第19-20页 |
| ·研究内容及章节安排 | 第20-22页 |
| ·研究内容 | 第20页 |
| ·章节安排 | 第20-22页 |
| 第二章 移动机器人路径规划 | 第22-29页 |
| ·路径规划问题 | 第22-23页 |
| ·移动机器人路径规划的特点 | 第23页 |
| ·路径规划分类 | 第23-27页 |
| ·基于行为的路径规划方法 | 第23-24页 |
| ·基于事例的学习规划方法 | 第24-25页 |
| ·基于环境模型的规划方法 | 第25-27页 |
| ·移动机器人路径规划发展趋势 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 粒子群算法原理与分析 | 第29-39页 |
| ·标准粒子群算法 | 第29-33页 |
| ·算法介绍 | 第29-31页 |
| ·算法实现步骤 | 第31-32页 |
| ·算法参数分析 | 第32-33页 |
| ·粒子群算法的拓扑结构 | 第33-35页 |
| ·算法邻居拓扑结构 | 第33页 |
| ·搜索性能较高的几种拓扑结构 | 第33-35页 |
| ·粒子群算法的缺陷及改进策略 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于粒子群和人工势场法的混合路径规划 | 第39-59页 |
| ·人工势场法概述 | 第39-43页 |
| ·人工势场法的原理 | 第39页 |
| ·势场函数的构造 | 第39-41页 |
| ·人工势场法存在的问题及改进 | 第41-43页 |
| ·基于偏好粒子群和人工势场法的路径规划 | 第43-53页 |
| ·路径规划的数学模型 | 第43-44页 |
| ·障碍物的表示 | 第44-48页 |
| ·环境建模 | 第48页 |
| ·粒子适应度的计算 | 第48页 |
| ·算法实现步骤 | 第48-53页 |
| ·仿真结果及分析 | 第53-58页 |
| ·参数选择 | 第53-55页 |
| ·仿真研究及结果 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第五章基于粒子群和遗传算法的路径规划 | 第59-67页 |
| ·遗传算法概述 | 第59-61页 |
| ·遗传算法的基本原理 | 第59-60页 |
| ·遗传算法的特点 | 第60-61页 |
| ·遗传算法的基本流程 | 第61页 |
| ·基于粒子群和遗传算法的混合路径规划 | 第61-63页 |
| ·粒子群算法的改进及适应度计算 | 第61-62页 |
| ·粒子更新 | 第62页 |
| ·算法实现步骤 | 第62-63页 |
| ·仿真结果及分析 | 第63-66页 |
| ·参数选择 | 第63-64页 |
| ·仿真研究及结果 | 第64-66页 |
| ·结果分析 | 第66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 | 第72-73页 |
| 致谢 | 第73-74页 |