基于势场蚁群算法的移动机器人路径规划研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 移动机器人的发展现状 | 第9-12页 |
| 1.2.1 国际移动机器人的发展现状 | 第9-11页 |
| 1.2.2 国内移动机器人的发展现状 | 第11-12页 |
| 1.2.3 移动机器人的发展趋势 | 第12页 |
| 1.3 论文的主要内容及逻辑结构安排 | 第12-14页 |
| 第2章 移动机器人路径规划研究概况 | 第14-21页 |
| 2.1 路径规划问题简述 | 第14页 |
| 2.2 路径规划方法分类 | 第14-19页 |
| 2.2.1 全局路径规划方法 | 第14-16页 |
| 2.2.2 局部路径规划方法 | 第16-19页 |
| 2.3 移动机器人路径规划技术的研究趋势 | 第19-20页 |
| 2.4 本章总结 | 第20-21页 |
| 第3章 基于人工势场法的路径规划 | 第21-32页 |
| 3.1 人工势场法概述 | 第21-26页 |
| 3.1.1 人工势场法原理 | 第21-22页 |
| 3.1.2 势场函数的构造 | 第22-24页 |
| 3.1.3 人工势场法存在的问题 | 第24-26页 |
| 3.2 人工势场法的改进 | 第26-29页 |
| 3.2.1 新的势场函数的建立 | 第26-28页 |
| 3.2.2 局部稳定问题的解决 | 第28-29页 |
| 3.3 人工势场算法实现步骤 | 第29页 |
| 3.4 实验仿真及结果分析 | 第29-31页 |
| 3.5 本章总结 | 第31-32页 |
| 第4章 基于势场蚁群算法的路径规划 | 第32-51页 |
| 4.1 蚁群算法概述 | 第32-38页 |
| 4.1.1 蚁群算法基本原理 | 第32-35页 |
| 4.1.2 基于栅格法的环境建模 | 第35-36页 |
| 4.1.3 目标函数的建立 | 第36-37页 |
| 4.1.4 路径搜索机制 | 第37-38页 |
| 4.2 蚁群算法的参数对性能影响 | 第38-40页 |
| 4.2.1 蚂蚁数量m对算法性能的影响 | 第38-39页 |
| 4.2.2 启发因子对算法性能的影响 | 第39页 |
| 4.2.3 信息素浓度Q对算法性能的影响 | 第39页 |
| 4.2.4 信息素浓度挥发系数ρ对算法性能的影响 | 第39-40页 |
| 4.3 基于蚁群算法的路径规划实现及仿真 | 第40-43页 |
| 4.3.1 蚁群算法路径规划实现流程 | 第40页 |
| 4.3.2 基于蚁群算法的路径规划仿真 | 第40-43页 |
| 4.4 势场蚁群算法概述 | 第43-48页 |
| 4.4.1 势场蚁群算法算法的提出 | 第43-44页 |
| 4.4.2 势场蚁群算法的启发信息的构造 | 第44-46页 |
| 4.4.3 势场蚁群算法的势场力分析 | 第46-48页 |
| 4.5 势场蚁群算法的路径规划实现及仿真 | 第48-50页 |
| 4.5.1 势场蚁群算法路径规划实现步骤 | 第48页 |
| 4.5.2 基于势场蚁群算法的路径规划仿真 | 第48-50页 |
| 4.6 本章总结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 本文总结 | 第51-52页 |
| 5.2 工作展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间的研究成果 | 第57页 |
