| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 路径规划国内外研究现状 | 第14-17页 |
| 1.3 路径规划类型与一般步骤分析 | 第17-19页 |
| 1.4 研究内容与论文章节安排 | 第19-21页 |
| 第二章 无人机路径规划建模与规划算法研究 | 第21-32页 |
| 2.1 无人机路径规划建模研究 | 第21-25页 |
| 2.1.1 路径表示方法选择 | 第21页 |
| 2.1.2 规划空间建模 | 第21-25页 |
| 2.2 路径规划算法研究与对比分析 | 第25-30页 |
| 2.2.1 路径规划主流算法研究 | 第26-30页 |
| 2.2.2 比较分析与算法选择 | 第30页 |
| 2.3 本章小结 | 第30-32页 |
| 第三章 基于蚁群算法的无人机全局路径规划研究 | 第32-49页 |
| 3.1 蚁群算法基本原理及应用概述 | 第32-36页 |
| 3.1.1 蚁群的行为特征 | 第32-33页 |
| 3.1.2 蚁群算法基本原型 | 第33-35页 |
| 3.1.3 蚁群算法及其改进算法的应用 | 第35-36页 |
| 3.2 基于蚁群算法的室内无人机路径规划算法设计 | 第36-38页 |
| 3.3 基本蚁群算法的缺陷与 TBMRACO 算法的提出 | 第38-45页 |
| 3.3.1 目标吸引策略 | 第38页 |
| 3.3.2 全局更新规则的调整 | 第38-42页 |
| 3.3.3 信息素的下限与初值设置 | 第42-43页 |
| 3.3.4 蚂蚁回退策略 | 第43-45页 |
| 3.4 蚁群算法主要参数对算法性能影响分析 | 第45-48页 |
| 3.4.1 蚂蚁数目对算法性能的影响 | 第46页 |
| 3.4.2 路径选择常数对算法性能的影响 | 第46-47页 |
| 3.4.3 信息素启发因子与能见度启发因子对算法性能的影响 | 第47页 |
| 3.4.4 信息素挥发系数对算法性能的影响 | 第47-48页 |
| 3.4.5 信息素增量常数对算法性能的影响 | 第48页 |
| 3.5 本章小节 | 第48-49页 |
| 第四章 基于 A*算法的无人机全局路径规划与实时路径规划研究 | 第49-61页 |
| 4.1 启发式搜索与 A*算法基本原理分析 | 第49-52页 |
| 4.1.1 状态空间搜索经典方法概述 | 第49页 |
| 4.1.2 启发式搜索算法研究 | 第49-50页 |
| 4.1.3 A*算法基本原理分析 | 第50-52页 |
| 4.2 基于 A*算法的室内无人机全局路径规划研究 | 第52-57页 |
| 4.2.1 A*算法代价函数的选取 | 第52-54页 |
| 4.2.2 节点扩展与路径点确定 | 第54-56页 |
| 4.2.3 基于 A*算法的全局路径规划实现 | 第56-57页 |
| 4.3 基于 A*算法的室内无人机实时路径规划研究 | 第57-60页 |
| 4.3.1 实时路径规划问题描述 | 第57-58页 |
| 4.3.2 无记忆 A*算法的提出 | 第58-60页 |
| 4.4 本章小节 | 第60-61页 |
| 第五章 仿真平台设计与算法验证分析 | 第61-79页 |
| 5.1 室内微小型无人机路径规划仿真平台总体设计 | 第61-62页 |
| 5.2 室内微小型无人机路径规划仿真平台界面设计 | 第62-65页 |
| 5.3 基于 TBMRACO 算法的全局路径规划仿真验证 | 第65-72页 |
| 5.3.1 基于仿真实验的参数优化设置 | 第65-70页 |
| 5.3.2 TBMRACO 算法仿真结果与分析总结 | 第70-72页 |
| 5.4 基于 A*算法的全局路径规划仿真验证 | 第72-76页 |
| 5.5 基于无记忆 A*算法的实时路径规划仿真验证 | 第76-78页 |
| 5.6 本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 本文工作总结 | 第79页 |
| 6.2 后续工作展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-86页 |
| 在学期间的研究成果及学术论文情况 | 第86页 |
