| 摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 目录 | 第4-6页 |
| 第一章 绪论 | 第6-12页 |
| 1．1 引言 | 第6页 |
| 1．2 选题背景与研究意义 | 第6-8页 |
| 1．2．1 足球机器人系统简介 | 第6-7页 |
| 1．2．2 足球机器人路径规划的研究意义 | 第7-8页 |
| 1．3 国内外研究现状 | 第8-9页 |
| 1．4 本文研究工作概述 | 第9-12页 |
| 1．4．1 论文的主要研究内容 | 第9-10页 |
| 1．4．2 论文的组织结构 | 第10-12页 |
| 第二章 足球机器人系统 | 第12-20页 |
| 2．1 足球机器人系统体系结构 | 第12-13页 |
| 2．1．1 体系结构 | 第12-13页 |
| 2．1．2 足球机器人仿真系统 | 第13页 |
| 2．2 足球机器人决策子系统 | 第13-15页 |
| 2．2．1 决策推理模型 | 第13-14页 |
| 2．2．2 动作设计和路径规划 | 第14-15页 |
| 2．3 足球机器人系统环境模型 | 第15-18页 |
| 2．3．1 球场模型 | 第15-16页 |
| 2．3．2 机器人小车模型 | 第16-18页 |
| 2．3．3 平台避碰控制的特点 | 第18页 |
| 2．4 本章小结 | 第18-20页 |
| 第三章 足球机器人路径规划典型方法研究 | 第20-36页 |
| 3．1 人工势场法 | 第20-24页 |
| 3．1．1 人工势场法原理 | 第20-22页 |
| 3．1．2 势函数的确定 | 第22-23页 |
| 3．1．3 对人工势场法的评价 | 第23-24页 |
| 3．2 栅格建模法 | 第24-26页 |
| 3．2．1 栅格法原理 | 第24页 |
| 3．2．2 利用栅格法进行路径规划 | 第24-26页 |
| 3．2．3 对栅格法的评价 | 第26页 |
| 3．3 遗传算法 | 第26-30页 |
| 3．3．1 遗传算法原理 | 第26-28页 |
| 2．3．2 利用遗传算法进行路径规划 | 第28-29页 |
| 3．3．3 对遗传算法的评价 | 第29-30页 |
| 3．4 神经网络算法 | 第30-33页 |
| 3．4．1 神经元简介 | 第30-31页 |
| 3．4．2 用神经网络进行路径规划 | 第31-33页 |
| 3．4．3 对神经网络的评价 | 第33页 |
| 3．5 各种方法综合分析 | 第33-34页 |
| 3．6 本章小结 | 第34-36页 |
| 第四章 基于进化势场法的足球机器人路径规划系统设计 | 第36-51页 |
| 4．1 引言 | 第36-37页 |
| 4．2 进化势场函数 | 第37-42页 |
| 4．2．1 具有可调参数的势场函数 | 第37-38页 |
| 4．2．2 动态势场函数设计 | 第38-39页 |
| 4．2．3 适应值函数的设计 | 第39-41页 |
| 4．2．4 用遗传算法进化势场函数 | 第41-42页 |
| 4．3 路径规划系统设计 | 第42-50页 |
| 4．3．1 系统总体设计 | 第42-45页 |
| 4．3．2 子系统详细设计 | 第45-50页 |
| 4．4 本章小结 | 第50-51页 |
| 第五章 基于进化势场法的足球机器人路径规划系统实现 | 第51-59页 |
| 5．1 遗传算法与势场法的对比 | 第51-54页 |
| 5．1．1 用基于栅格建模的遗传算法进行路径规划 | 第51-53页 |
| 5．1．2 用进化势场法进行路径规划 | 第53-54页 |
| 5．1．3 结果分析 | 第54页 |
| 5．2 基于进化势场法的路径规划系统仿真结果 | 第54-55页 |
| 5．3 势场法在动作中的应用 | 第55-58页 |
| 5．4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6．1 研究结果 | 第59页 |
| 6．2 进一步研究展望 | 第59-61页 |
| 附录(在攻读学位期间发表的论文) | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |