基于神经网络的智能移动机器人导航算法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究的目的与意义 | 第11-12页 |
| ·移动机器人导航研究概述 | 第12-14页 |
| ·移动机器人导航方式 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·神经网络在移动机器人导航中的应用 | 第14页 |
| ·本文主要研究内容 | 第14-17页 |
| 第2章 基于模糊神经网络的导航控制研究 | 第17-39页 |
| ·人工神经网络概述 | 第17-28页 |
| ·神经网络模型 | 第18-20页 |
| ·神经网络的学习规则 | 第20-21页 |
| ·两种典型的神经网络模型 | 第21-28页 |
| ·基于模糊神经网络的移动机器人导航控制研究 | 第28-37页 |
| ·模糊神经网络原理 | 第28-29页 |
| ·模糊神经网络结构 | 第29-30页 |
| ·模糊神经网络的学习算法 | 第30-32页 |
| ·仿真实验 | 第32-37页 |
| ·本章小结 | 第37-39页 |
| 第3章 基于遗传进化神经网络算法的全局路径规划 | 第39-56页 |
| ·遗传算法简介 | 第40-43页 |
| ·基本原理和特征 | 第40-41页 |
| ·遗传算法的基本操作 | 第41-43页 |
| ·遗传进化神经网络学习算法(GANN) | 第43-50页 |
| ·GANN的基本理论 | 第44页 |
| ·GANN的编码方法 | 第44-45页 |
| ·变异算子和创新数据库 | 第45-47页 |
| ·模拟物种形成和种内适应性调整 | 第47-48页 |
| ·交叉算子 | 第48-49页 |
| ·GANN进化流程 | 第49-50页 |
| ·GANN算法在移动机器人全局路径规划中的应用 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第4章 基于ARTQL神经网络的导航算法研究 | 第56-74页 |
| ·强化学习简介 | 第57-63页 |
| ·基本原理和模型 | 第57-58页 |
| ·主要算法 | 第58-62页 |
| ·探索策略的选择 | 第62-63页 |
| ·ARTQL神经网络及其学习算法 | 第63-68页 |
| ·ARTQL神经网络的基本原理 | 第63-64页 |
| ·ARTQL神经网络的体系结构 | 第64-65页 |
| ·ARTQL网络的算法流程 | 第65-66页 |
| ·ARTQL网络的学习算法具体步骤 | 第66-68页 |
| ·基于ARTQL神经网络的机器人导航控制仿真实验 | 第68-73页 |
| ·本章小结 | 第73-74页 |
| 第5章 总结与展望 | 第74-76页 |
| ·全文总结 | 第74-75页 |
| ·研究展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间参加的科研项目和成果 | 第81页 |
