| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题的研究背景及意义 | 第10页 |
| 1.2 国内外AGV研究现状和发展趋势 | 第10-12页 |
| 1.3 多AGV路径规划技术研究现状 | 第12-13页 |
| 1.4 本文组织结构及创新 | 第13-15页 |
| 第二章 AGV路径规划相关理论 | 第15-22页 |
| 2.1 路径规划问题及其特点 | 第15页 |
| 2.2 路径规划方法 | 第15-19页 |
| 2.2.1 传统路径规划方法对比 | 第16-17页 |
| 2.2.2 智能路径规划方法对比 | 第17-19页 |
| 2.3 多路径规划环境建模 | 第19-20页 |
| 2.4 多路径规划避碰策略 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于聚类分区的AGV栅格地图建模方法 | 第22-29页 |
| 3.1 基于栅格地图的环境建模 | 第22-23页 |
| 3.2 分区路径规划思想 | 第23页 |
| 3.3 聚类算法分析 | 第23-25页 |
| 3.3.1 K-means聚类算法 | 第24页 |
| 3.3.2 Canopy聚类算法 | 第24-25页 |
| 3.4 基于Canopy的K-means聚类的栅格地图分区 | 第25-27页 |
| 3.5 算法对比 | 第27-28页 |
| 3.6 本章小结 | 第28-29页 |
| 第四章 基于分区和融合算法的单AGV路径规划 | 第29-44页 |
| 4.1 A星算法的应用分析 | 第29-32页 |
| 4.2 蚁群算法的应用分析 | 第32-36页 |
| 4.2.1 原理分析 | 第32-34页 |
| 4.2.2 距离矩阵的设定 | 第34-36页 |
| 4.3 基于分区和融合算法的单AGV路径规划 | 第36-38页 |
| 4.3.1 基于A星算法和蚁群算法的融合算法原理 | 第36页 |
| 4.3.2 单AGV路径规划方法 | 第36-38页 |
| 4.4 仿真实验 | 第38-43页 |
| 4.4.1 参数对比 | 第38-39页 |
| 4.4.2 单路径规划 | 第39-41页 |
| 4.4.3 算法比较 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 基于改进蚁群系统和协作策略的多AGV路径规划 | 第44-56页 |
| 5.1 碰撞预测 | 第44-46页 |
| 5.1.1 竞争栅格碰撞 | 第44-45页 |
| 5.1.2 线段异侧碰撞 | 第45-46页 |
| 5.2 多AGV路径规划的避碰策略 | 第46-47页 |
| 5.2.2 优先级的设定 | 第46-47页 |
| 5.2.3 基于优先级的避碰策略 | 第47页 |
| 5.3 基于优先级避碰策略改进的蚁群系统 | 第47-51页 |
| 5.3.1 算法思想 | 第48页 |
| 5.3.2 概率公式和信息素的改进 | 第48-49页 |
| 5.3.3 算法步骤 | 第49-51页 |
| 5.4 多AGV协作策略 | 第51-53页 |
| 5.5 仿真实验与结果分析 | 第53-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 论文总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-64页 |
| 详细摘要 | 第64页 |