| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 课题研究的目的 | 第11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 AGV系统路径规划研究现状 | 第11-12页 |
| 1.3.2 AGV系统调度策略研究现状 | 第12-14页 |
| 1.4 课题研究的主要内容 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 相关概念和理论基础 | 第16-29页 |
| 2.1 AGV概述 | 第16-21页 |
| 2.1.1 AGV的概况 | 第16-17页 |
| 2.1.2 AGV的分类 | 第17-21页 |
| 2.2 多AGV系统介绍 | 第21-24页 |
| 2.2.1 多AGV系统的概念 | 第21页 |
| 2.2.2 多AGV系统的组成 | 第21-24页 |
| 2.3 单AGV路径规划算法 | 第24-26页 |
| 2.3.1 图论法 | 第24-25页 |
| 2.3.2 人工势场法 | 第25页 |
| 2.3.3 神经网络法 | 第25-26页 |
| 2.3.4 Dijkstra算法 | 第26页 |
| 2.4 多AGV系统路径规划算法 | 第26-28页 |
| 2.4.1 遗传算法 | 第26-27页 |
| 2.4.2 粒子群优化算法 | 第27-28页 |
| 2.5 AGV系统交通调度策略概述 | 第28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 离线-在线的两阶段多AGV系统路径规划研究 | 第29-40页 |
| 3.1 问题的描述和建模 | 第29-30页 |
| 3.2 离线-在线两阶段路径规划算法 | 第30-31页 |
| 3.3 动态参数拓扑地图的建模 | 第31-34页 |
| 3.3.1 动态参数拓扑地图的建模方式 | 第31-32页 |
| 3.3.2 动态参数拓扑地图的参数设定 | 第32-33页 |
| 3.3.3 动态参数拓扑地图的权重设定 | 第33-34页 |
| 3.4 基于Dijkstra算法的最短路径求解 | 第34-35页 |
| 3.5 基于带约束的多目标遗传算法的路径规划算法 | 第35-39页 |
| 3.5.1 带约束的多目标遗传算法的基本流程 | 第35-36页 |
| 3.5.2 染色体编码及约束限制 | 第36-37页 |
| 3.5.3 初始种群的产生 | 第37页 |
| 3.5.4 适应度函数 | 第37页 |
| 3.5.5 遗传算子 | 第37-38页 |
| 3.5.6 迭代终止条件 | 第38页 |
| 3.5.7 带约束的多目标遗传算法的参数设置 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 多AGV系统的交通调度策略研究 | 第40-53页 |
| 4.1 问题描述 | 第40页 |
| 4.2 优先级的制定策略 | 第40-41页 |
| 4.3 正常区域交通调度策略研究 | 第41-47页 |
| 4.3.1 直行区域交通调度策略研究 | 第41-43页 |
| 4.3.2 路口区域交通调度策略研究 | 第43-47页 |
| 4.4 作业区域交通调度策略研究 | 第47-52页 |
| 4.4.1 作业区域交通调度策略的确定 | 第47-50页 |
| 4.4.2 算例分析 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 应用研究-以某汽车企业为例 | 第53-69页 |
| 5.1 应用背景介绍及现状分析 | 第53-57页 |
| 5.1.1 公司及背景介绍 | 第53-55页 |
| 5.1.2 现状分析 | 第55-57页 |
| 5.2 物流车间内料架搬运AGV的路径规划研究 | 第57-64页 |
| 5.2.1 动态参数拓扑地图的建立 | 第57-59页 |
| 5.2.2 离线阶段路径规划算法的求解 | 第59-62页 |
| 5.2.3 在线阶段路径规划算法的求解 | 第62-64页 |
| 5.3 物流车间内料架搬运AGV的交通调度方案研究 | 第64-68页 |
| 5.3.1 优先级的确定 | 第64页 |
| 5.3.2 交通调度方案的确定 | 第64-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第6章 结论与展望 | 第69-71页 |
| 6.1 结论 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 在学研究成果 | 第74-75页 |
| 致谢 | 第75页 |