SPEA2算法改进及在机器人路径规划中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题的研究背景和意义 | 第8-9页 |
| ·相关研究现状 | 第9-11页 |
| ·多目标优化的研究现状 | 第9-10页 |
| ·机器人路径规划的研究现状 | 第10-11页 |
| ·本文主要研究内容及主要工作 | 第11页 |
| ·本文章节安排 | 第11-13页 |
| 第二章 多目标SPEA2算法与改进 | 第13-32页 |
| ·多目标优化问题及数学描述 | 第13-14页 |
| ·多目标进化算法的基本框架 | 第14-15页 |
| ·多目标优化SPEA2算法 | 第15-17页 |
| ·多目标进化算法的性能评价 | 第17-18页 |
| ·基于局部搜索的改进SPEA2算法 | 第18-25页 |
| ·改进SPEA2算法中的策略 | 第18-21页 |
| ·改进SPEA2算法的步骤 | 第21-22页 |
| ·仿真实验与分析 | 第22-25页 |
| ·基于自适应参数调整的改进SPEA2算法 | 第25-31页 |
| ·遗传参数的自适应调整 | 第25-27页 |
| ·改进SPEA2算法的步骤 | 第27-28页 |
| ·仿真实验与分析 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 移动机器人路径规划主要方法 | 第32-39页 |
| ·移动机器人的全局路径规划原理 | 第32-33页 |
| ·传统路径规划方法 | 第33-36页 |
| ·可视图法 | 第33-34页 |
| ·栅格法 | 第34-35页 |
| ·人工势场法 | 第35-36页 |
| ·智能路径规划方法 | 第36-38页 |
| ·神经网络算法 | 第36-37页 |
| ·模糊逻辑算法 | 第37页 |
| ·蚁群算法 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 多目标SPEA2算法路径规划建模 | 第39-52页 |
| ·初始路径产生 | 第39-43页 |
| ·产生随机点 | 第39-42页 |
| ·随机点与障碍物的关系与处理 | 第42-43页 |
| ·路径段与障碍物的关系与处理 | 第43页 |
| ·优化目标 | 第43-47页 |
| ·路径总长度 | 第44页 |
| ·路径扭曲度 | 第44-45页 |
| ·路径安全度 | 第45-47页 |
| ·遗传算子 | 第47-50页 |
| ·选择算子 | 第47-48页 |
| ·交叉算子 | 第48-49页 |
| ·变异算子 | 第49-50页 |
| ·优化算子 | 第50-51页 |
| ·修复算子 | 第50页 |
| ·平滑算子 | 第50-51页 |
| ·终止条件 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第五章 机器人路径规划仿真 | 第52-62页 |
| ·传统混合目标路径规划 | 第52-56页 |
| ·基于局部搜索的改进SPEA2算法路径规划 | 第56-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 结论和展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 作者简介 | 第67页 |
