| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·引言 | 第8-9页 |
| ·移动机器人路径规划研究内容及意义 | 第9-10页 |
| ·移动机器人路径规划研究现状 | 第10-12页 |
| ·课题的来源及研究方法 | 第12页 |
| ·本文主要工作及论文组织 | 第12-14页 |
| 第2章 基于进化和神经网络的移动机器人路径规划方法 | 第14-21页 |
| ·进化神经网络简介 | 第14-17页 |
| ·神经网络简介 | 第14-15页 |
| ·遗传算法 | 第15-16页 |
| ·遗传算法优化神经网络 | 第16-17页 |
| ·移动机器人路径规划方法概述 | 第17-18页 |
| ·未知或动态环境下移动机器人路径规划方法 | 第18-20页 |
| ·基于神经网络的移动机器人路径规划方法 | 第18-19页 |
| ·基于遗传算法的移动机器人路径规划方法 | 第19页 |
| ·其他方法 | 第19-20页 |
| ·基于进化神经网络的移动机器人路径规划方法 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于进化神经网络的移动机器人避障方法 | 第21-34页 |
| ·基于进化神经网络的移动机器人的智能行为概述 | 第21-22页 |
| ·移动机器人模型 | 第22页 |
| ·对未知环境的感知 | 第22-24页 |
| ·环境的建立 | 第24-25页 |
| ·进化神经网络构成的决策器 | 第25-30页 |
| ·神经网络的结构 | 第25-26页 |
| ·神经网络的权值的编码 | 第26-27页 |
| ·遗传算法对神经网络的权值的优化 | 第27-29页 |
| ·遗传算法的算子以及参数选择 | 第29-30页 |
| ·避障方法的实现及仿真实验 | 第30-32页 |
| ·运行环境 | 第30-31页 |
| ·仿真实验 | 第31-32页 |
| ·仿真结果分析 | 第32页 |
| ·本章小结 | 第32-34页 |
| 第4章 未知动态环境下基于进化神经网络的路径规划方法 | 第34-51页 |
| ·未知动态环境下基于进化神经网络的路径规划方法简述 | 第34-35页 |
| ·移动机器人对目标点的感知 | 第35-36页 |
| ·静态及动态环境的建模表示 | 第36-38页 |
| ·几种遗传算法交叉算子的介绍 | 第38-40页 |
| ·两点式交叉算子 | 第38页 |
| ·启发式交叉算子 | 第38-39页 |
| ·正态分布交叉算子 | 第39-40页 |
| ·进化神经网络的设置 | 第40-41页 |
| ·神经网络的结构 | 第40页 |
| ·遗传算法设置 | 第40-41页 |
| ·算法流程 | 第41页 |
| ·实验仿真 | 第41-50页 |
| ·路径的描述 | 第42页 |
| ·未知静态环境 | 第42-44页 |
| ·未知动态环境 | 第44-49页 |
| ·仿真结果讨论 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 结论与展望 | 第51-52页 |
| ·结论 | 第51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 在学期间发表的学术论文及参与的项目 | 第57页 |
