| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 选题的背景及意义 | 第12页 |
| 1.2 多目标优化算法的研究现状 | 第12-14页 |
| 1.3 多目标优化问题描述及相关定义 | 第14-15页 |
| 1.4 论文主要研究内容 | 第15页 |
| 1.5 论文的章节安排 | 第15-17页 |
| 第2章 基于精英替换策略的改进NSGA-II算法设计 | 第17-30页 |
| 2.1 NSGA-II算法简介 | 第17-19页 |
| 2.1.1 基本原理 | 第17-18页 |
| 2.1.2 NSGA-II算法流程 | 第18-19页 |
| 2.2 精英替换策略 | 第19页 |
| 2.3 基于遗传参数调整的改进NSGA-II算法 | 第19-23页 |
| 2.3.1 分阶段调整交叉概率 | 第20-21页 |
| 2.3.2 自适应调整变异概率 | 第21页 |
| 2.3.3 自适应变异概率 | 第21-23页 |
| 2.4 改进NSGA-II算法步骤 | 第23页 |
| 2.5 多目标优化算法性能度量 | 第23-25页 |
| 2.5.1 收敛性指标 | 第24页 |
| 2.5.2 分布性指标 | 第24页 |
| 2.5.3 分布性和收敛性综合指标 | 第24-25页 |
| 2.6 实验比较 | 第25-29页 |
| 2.6.1 实验参数设置 | 第25-26页 |
| 2.6.2 实验结果与分析 | 第26-29页 |
| 2.7 本章小结 | 第29-30页 |
| 第3章 基于参考点的进化算法 | 第30-37页 |
| 3.1 基本原理 | 第30页 |
| 3.2 基本框架 | 第30-32页 |
| 3.3 RPEA算法步骤 | 第32-33页 |
| 3.4 实验对比与分析 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 移动机器人路径规划仿真 | 第37-52页 |
| 4.1 移动机器人路径规划 | 第37页 |
| 4.1.1 移动机器人路径规划研究内容 | 第37页 |
| 4.1.2 路径规划的分类 | 第37页 |
| 4.2 环境建模 | 第37-40页 |
| 4.3 遗传操作 | 第40-41页 |
| 4.3.1 路径编码方法 | 第40页 |
| 4.3.2 改进的选择操作 | 第40-41页 |
| 4.3.3 交叉算子 | 第41页 |
| 4.3.4 变异算子 | 第41页 |
| 4.4 约束条件 | 第41-42页 |
| 4.5 适应度函数 | 第42-44页 |
| 4.5.1 路径总长度 | 第42页 |
| 4.5.2 路径危险程度 | 第42-44页 |
| 4.5.3 路径危险程度的比较 | 第44页 |
| 4.6 移动机器人路径规划仿真实验与分析 | 第44-51页 |
| 4.6.1 基于改进NSGA-Ⅱ算法的移动机器人路径规划仿真实验 | 第45-50页 |
| 4.6.2 基于RPEA算法的移动机器人路径规划仿真实验 | 第50-51页 |
| 4.7 本章小结 | 第51-52页 |
| 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录A攻读学位期间发表的学术论文 | 第59页 |
