| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-13页 |
| ·选题背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12页 |
| ·本文的主要工作 | 第12-13页 |
| 第2章 移动机器人路径规划 | 第13-19页 |
| ·移动机器人路径规划 | 第13-14页 |
| ·路径规划定义 | 第13页 |
| ·路径规划分类 | 第13-14页 |
| ·环境理解与环境建模 | 第14-15页 |
| ·环境理解 | 第14页 |
| ·环境建模 | 第14-15页 |
| ·传统路径规划方法 | 第15-16页 |
| ·自由空间法 | 第15页 |
| ·人工势场法 | 第15-16页 |
| ·拓扑法 | 第16页 |
| ·智能路径规划方法 | 第16-19页 |
| ·模糊逻辑法 | 第16-17页 |
| ·遗传算法 | 第17页 |
| ·神经网络法 | 第17-18页 |
| ·蚁群算法 | 第18页 |
| ·微粒群算法 | 第18-19页 |
| 第3章 基本蚁群算法 | 第19-31页 |
| ·群体智能及典型算法实现 | 第19-22页 |
| ·蚁群算法的产生 | 第19-20页 |
| ·蚁群算法的基本原理 | 第20-22页 |
| ·旅行商问题（Traveling Salesman Problem，TSP）描述 | 第22-24页 |
| ·基本蚁群算法的实现 | 第24-27页 |
| ·蚁群算法参数选择原则 | 第27-29页 |
| ·信息素残留因子对蚁群算法性能的影响 | 第28页 |
| ·蚂蚁数目对蚁群算法性能的影响 | 第28页 |
| ·启发式因子α和期望启发式因子β对蚁群算法性能的影响 | 第28-29页 |
| ·基本蚁群算法的性能评价指标 | 第29-31页 |
| 第4章 基本蚁群算法的机器人路径规划与仿真 | 第31-46页 |
| ·路径规划建模 | 第31-33页 |
| ·问题描述与定义 | 第31页 |
| ·环境建模 | 第31-33页 |
| ·路径规划的实现 | 第33-36页 |
| ·算法的简单描述 | 第33页 |
| ·算法的实现 | 第33-36页 |
| ·算法的实现 | 第36-39页 |
| ·可转移节点的处理 | 第36-37页 |
| ·信息素存储处理 | 第37-38页 |
| ·可转移节点的选择 | 第38-39页 |
| ·基本蚁群算法仿真与分析 | 第39-46页 |
| ·仿真环境的介绍 | 第39页 |
| ·基本蚁群算法简单地图仿真实验与分析 | 第39-42页 |
| ·基本蚁群算法复杂地图仿真实验与分析 | 第42-46页 |
| 第5章 改进蚁群算法的仿真结果与分析 | 第46-59页 |
| ·基本蚁群算法参数优化 | 第46-50页 |
| ·“三步走”方法 | 第46-47页 |
| ·α、β和Q 的最佳组合确定方法 | 第47-48页 |
| ·遗传算法优化参数仿真结果及对比 | 第48-50页 |
| ·改进策略及仿真实验结果 | 第50-59页 |
| ·最大最小蚂蚁法 | 第50-51页 |
| ·蚂蚁回退策略 | 第51页 |
| ·导向函数 | 第51-52页 |
| ·改进算法的实现 | 第52-54页 |
| ·仿真结果与分析 | 第54-56页 |
| ·仿真结果对比 | 第56-59页 |
| 第6章 总结与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 在学期间发表的学术论文 | 第64-65页 |
| 致谢 | 第65-66页 |
| 详细摘要 | 第66-74页 |