| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 无人机航迹规划国内外研究现状 | 第9-11页 |
| 1.2.2 蚁群算法国内外研究现状 | 第11-13页 |
| 1.3 研究的主要内容和结构安排 | 第13-15页 |
| 1.3.1 本文的研究内容 | 第13页 |
| 1.3.2 本文的结构安排 | 第13-15页 |
| 第2章 基本蚁群算法概述与TSP问题 | 第15-26页 |
| 2.1 蚁群生物学基础 | 第15-16页 |
| 2.1.1 蚁群的社会形态 | 第15页 |
| 2.1.2 蚁群行为 | 第15-16页 |
| 2.2 人工蚁群的特点 | 第16-17页 |
| 2.3 基本蚁群算法原理 | 第17-24页 |
| 2.3.1 基本蚁群算法的思想机制 | 第17-20页 |
| 2.3.2 基本蚁群算法的数学模型 | 第20-22页 |
| 2.3.3 基本蚁群算法在TSP问题中的具体实现 | 第22-23页 |
| 2.3.4 基本蚁群算法的时间与空间复杂度 | 第23-24页 |
| 2.4 基本蚁群算法的优缺点 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 改进蚁群算法研究与TSP问题 | 第26-42页 |
| 3.1 典型的改进蚁群算法 | 第26-30页 |
| 3.1.1 最大最小蚂蚁系统 | 第26-27页 |
| 3.1.2 聚类蚁群算法 | 第27-28页 |
| 3.1.3 基于信息熵的蚁群算法 | 第28-29页 |
| 3.1.4 基于网格划分的蚁群算法 | 第29-30页 |
| 3.2 自适应双种群再励学习蚁群算法 | 第30-36页 |
| 3.2.1 改进蚁群算法的策略 | 第30-31页 |
| 3.2.2 引入引导因子的状态转移策略 | 第31-32页 |
| 3.2.3 信息素再励学习更新 | 第32-34页 |
| 3.2.4 自适应双种群信息素交换 | 第34-35页 |
| 3.2.5 基于改进蚁群算法TSP问题具体实现 | 第35-36页 |
| 3.3 自适应双种群再励学习改进蚁群算法仿真及分析 | 第36-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 无人机航迹规划概述 | 第42-51页 |
| 4.1 无人机航迹规划系统 | 第42-43页 |
| 4.2 无人机航迹规划问题描述 | 第43-49页 |
| 4.2.1 规划空间表示 | 第43-44页 |
| 4.2.2 航迹综合代价 | 第44-46页 |
| 4.2.3 无人机性能约束 | 第46-49页 |
| 4.3 无人机航迹规划的基本要求 | 第49页 |
| 4.4 常用无人机航迹规划算法 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 基于改进蚁群算法的无人机航迹规划 | 第51-59页 |
| 5.1 航迹规划空间建模 | 第51-52页 |
| 5.2 威胁区域建模 | 第52-53页 |
| 5.3 最优航迹建模 | 第53-54页 |
| 5.4 无人机航迹规划任务实例 | 第54-58页 |
| 5.4.1 航迹规划任务 | 第54-55页 |
| 5.4.2 仿真参数设定 | 第55页 |
| 5.4.3 航迹规划实例仿真与分析 | 第55-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 论文总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 发表学术论文情况 | 第65-66页 |
| 致谢 | 第66-67页 |