| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究目标及意义 | 第11页 |
| ·论文的主要结构 | 第11-12页 |
| 2 机器人及环境建模方法 | 第12-18页 |
| ·移动机器人 | 第12-13页 |
| ·自主式机器人 | 第13页 |
| ·环境建模 | 第13-17页 |
| ·度量模型 | 第14-16页 |
| ·非度量模型 | 第16-17页 |
| ·三维模型 | 第17页 |
| ·本章小结 | 第17-18页 |
| 3 机器人路径规划及其研究现状 | 第18-31页 |
| ·路径规划 | 第18-19页 |
| ·路径规划问题分类及其特点 | 第18-19页 |
| ·路径规划方法 | 第19页 |
| ·优化 | 第19-25页 |
| ·优化问题的组成 | 第20-21页 |
| ·优化问题分类 | 第21-22页 |
| ·动态优化问题 | 第22页 |
| ·组合优化问题 | 第22-23页 |
| ·算法分类 | 第23-25页 |
| ·路径规划方法研究现状 | 第25-30页 |
| ·全局路径规划 | 第25-27页 |
| ·局部路径规划 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 4 免疫遗传算法及其改进 | 第31-51页 |
| ·遗传算法（Genetic Algorithm, GA） | 第31-38页 |
| ·编码，初始化和适应度函数 | 第32-33页 |
| ·遗传操作 | 第33-37页 |
| ·遗传算法的特点和所面临的问题 | 第37-38页 |
| ·免疫算法(Immune Algorithm, IA) | 第38-44页 |
| ·免疫算法理论的生物学基础 | 第39-40页 |
| ·免疫算法的基本理论 | 第40-41页 |
| ·典型免疫算法的分析 | 第41-44页 |
| ·免疫遗传算法 | 第44-45页 |
| ·一种改进的免疫遗传算法（AIGA） | 第45-50页 |
| ·改进免疫遗传算法中的几个重要定义 | 第45-47页 |
| ·改进免疫遗传算法中的几个策略 | 第47-48页 |
| ·改进免疫遗传算法流程图 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 5 基于改进免疫遗传算法的机器人路径规划 | 第51-73页 |
| ·问题描述 | 第51-52页 |
| ·适应度函数及 MMB 策略 | 第52-56页 |
| ·应用于路径规划的免疫遗传算子 | 第56-59页 |
| ·移动机器人路径规划算法流程 | 第59-60页 |
| ·仿真实例及结果分析 | 第60-71页 |
| ·静态路径规划 | 第60-66页 |
| ·动态路径规划 | 第66-71页 |
| ·本章小结 | 第71-73页 |
| 6 总结和展望 | 第73-75页 |
| ·工作总结 | 第73-74页 |
| ·工作展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 在学研究成果 | 第80-81页 |
| 致谢 | 第81页 |