多目标遗传优化及其在机器人路径规划中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-13页 |
| ·机器人路径规划问题简述 | 第7-8页 |
| ·机器人路径规划研究的理论意义和工程背景 | 第8-9页 |
| ·机器人路径规划的研究现状 | 第9-11页 |
| ·论文的主要内容 | 第11-13页 |
| 2 遗传算法原理 | 第13-23页 |
| ·遗传算法简介 | 第13-14页 |
| ·遗传算法的理论基础 | 第14-15页 |
| ·模式定理 | 第14页 |
| ·积木块假设 | 第14页 |
| ·收敛性分析 | 第14-15页 |
| ·遗传算法的构成 | 第15-19页 |
| ·编码方式 | 第15页 |
| ·适应度函数及尺度变换 | 第15-16页 |
| ·遗传操作 | 第16-19页 |
| ·遗传算法参数选择 | 第19页 |
| ·多目标遗传优化的相关技术 | 第19-21页 |
| ·本章小结 | 第21-23页 |
| 3 基于聚类方法和改进精英策略的多目标遗传算法 | 第23-43页 |
| ·基于PARETO优化的经典算法 | 第23-31页 |
| ·基本定义 | 第23页 |
| ·SPEA2(改进的强Pareto进化算法) | 第23-26页 |
| ·NSGAⅡ(快速精英策略多目标遗传算法) | 第26-31页 |
| ·基于聚类方法和改进精英策略的多目标遗传算法 | 第31-41页 |
| ·改进策略 | 第31-35页 |
| ·改进的算法流程与框图 | 第35-37页 |
| ·分析与比较 | 第37-41页 |
| ·本章小结 | 第41-43页 |
| 4 基于遗传算法的机器人路径规划 | 第43-59页 |
| ·研究对象与环境建模 | 第43-46页 |
| ·研究对象 | 第43页 |
| ·环境表述与建模 | 第43-46页 |
| ·机器人路径规划设计方法 | 第46-54页 |
| ·初始设置 | 第46-47页 |
| ·路径评估与选择 | 第47-50页 |
| ·遗传算子的设计 | 第50-54页 |
| ·路径规划中的算法改进 | 第54-57页 |
| ·遗传参数的自适应调整 | 第54-55页 |
| ·初始种群的启发式生成 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 5 路径规划的仿真结果与分析 | 第59-67页 |
| ·仿真结果分析 | 第59-65页 |
| ·本章小结 | 第65-67页 |
| 总结和展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-73页 |
