车载导航路径规划算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·车载导航系统综述 | 第9-11页 |
| ·路径规划的研究现状 | 第11-13页 |
| ·论文的研究内容和组织结构 | 第13-14页 |
| 第2章 车载导航路径规划的基本问题 | 第14-26页 |
| ·车载导航系统最优路径的概念 | 第14页 |
| ·路网数据组织与管理 | 第14-21页 |
| ·道路构成与描述 | 第15-18页 |
| ·道路的空间逻辑关系描述 | 第18页 |
| ·路网存储结构 | 第18-20页 |
| ·路网数据管理 | 第20-21页 |
| ·最优路径评价标准 | 第21-22页 |
| ·最短路径算法 | 第22-26页 |
| ·Dijkstra算法 | 第22-23页 |
| ·Floyd算法 | 第23-24页 |
| ·A~*算法 | 第24-26页 |
| 第3章 信息融合理论在最优路径选择中的应用 | 第26-46页 |
| ·信息融合概述 | 第26-29页 |
| ·信息融合的基本原理 | 第26-27页 |
| ·信息融合的方法 | 第27-28页 |
| ·信息融合的应用 | 第28-29页 |
| ·基于加权平均法的最优路径规划 | 第29-33页 |
| ·加权平均法在路径规划中的应用 | 第30-31页 |
| ·实验结果与分析 | 第31-33页 |
| ·基于Bayes理论的最优路径规划 | 第33-36页 |
| ·Bayes理论 | 第33-35页 |
| ·Bayes理论在路径规划中的应用 | 第35页 |
| ·实验结果与分析 | 第35-36页 |
| ·基于证据理论的路径规划算法 | 第36-43页 |
| ·证据理论 | 第36-39页 |
| ·模糊证据理论 | 第39-40页 |
| ·基于模糊证据理论的路径规划 | 第40-41页 |
| ·实验与分析 | 第41-43页 |
| ·三种信息融合算法的比较 | 第43-46页 |
| 第4章 群体智能理论在路径搜索中的应用 | 第46-70页 |
| ·群体智能理论 | 第46-50页 |
| ·群体智能的基本原理 | 第46-47页 |
| ·群体智能的基本原则 | 第47-48页 |
| ·群体智能优化方法 | 第48-50页 |
| ·蚁群优化算法 | 第50-57页 |
| ·蚁群算法的基本原理 | 第50-52页 |
| ·蚁群算法的基本框架 | 第52-54页 |
| ·蚁群算法在路径规划中的应用 | 第54-55页 |
| ·实验分析与结论 | 第55-57页 |
| ·粒子群优化算法 | 第57-64页 |
| ·粒子群算法的基本原理 | 第57-60页 |
| ·粒子群算法在路径规划中的应用 | 第60-62页 |
| ·实验分析与结论 | 第62-64页 |
| ·蜂群优化算法 | 第64-68页 |
| ·蜂群算法的基本原理 | 第64-67页 |
| ·仿真实验 | 第67-68页 |
| ·三种群体智能优化算法的比较 | 第68-70页 |
| 第5章 总结 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第76-77页 |
| 致谢 | 第77页 |
