| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文主要研究工作 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 多目标优化 | 第15-23页 |
| 2.1 多目标优化问题 | 第15-17页 |
| 2.1.1 多目标优化定义 | 第15-16页 |
| 2.1.2 最优解定义 | 第16-17页 |
| 2.2 多目标优化问题测试函数 | 第17-19页 |
| 2.3 多目标优化的收敛性和多样性 | 第19-20页 |
| 2.4 多目标优化性能指标 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 粒子群优化算法 | 第23-35页 |
| 3.1 基本粒子群优化算法 | 第23-27页 |
| 3.1.1 基本粒子群优化算法基本思想 | 第23-24页 |
| 3.1.2 基本粒子群优化算法模型 | 第24-25页 |
| 3.1.3 粒子群算法流程 | 第25-26页 |
| 3.1.4 粒子群算法的应用 | 第26-27页 |
| 3.2 几种改进的粒子群算法 | 第27-30页 |
| 3.2.1 带惯性权重的粒子群算法 | 第27页 |
| 3.2.2 带收缩因子的粒子群算法 | 第27-28页 |
| 3.2.3 杂交粒子群算法 | 第28-29页 |
| 3.2.4 离散粒子群算法 | 第29页 |
| 3.2.5 协同粒子群算法 | 第29-30页 |
| 3.3 其他演化算法及与粒子群算法的对比 | 第30-34页 |
| 3.3.1 遗传算法 | 第30页 |
| 3.3.2 进化策略 | 第30-31页 |
| 3.3.3 蚁群算法 | 第31-32页 |
| 3.3.4 多目标进化算法NSGA-II | 第32-33页 |
| 3.3.5 粒子群算法和其他演化算法的对比及特点 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 多目标粒子群优化算法研究 | 第35-51页 |
| 4.1 概述 | 第35页 |
| 4.2 外部档案更新策略 | 第35-37页 |
| 4.3 惯性权重 | 第37-38页 |
| 4.4 局部扰动策略 | 第38-39页 |
| 4.5 改进的多目标粒子群优化算法步骤 | 第39-42页 |
| 4.5.1 初始分布和终止条件 | 第39页 |
| 4.5.2 全局和局部最优解 | 第39-41页 |
| 4.5.3 算法步骤和流程 | 第41-42页 |
| 4.6 实验测试 | 第42-50页 |
| 4.6.1 实验环境及参数配置 | 第42-43页 |
| 4.6.2 实验结果与分析 | 第43-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第五章 改进的多目标粒子群算法在机器人路径规划中的应用 | 第51-59页 |
| 5.1 问题描述和建模 | 第52-54页 |
| 5.1.1 问题描述 | 第52页 |
| 5.1.2 建模 | 第52-54页 |
| 5.2 用改进的多目标粒子群优化算法进行机器人路径规划 | 第54-56页 |
| 5.2.1 目标函数的建立 | 第54-55页 |
| 5.2.2 机器人路径规划的实现 | 第55-56页 |
| 5.3 仿真结果 | 第56-58页 |
| 5.3.1 实验环境及配置 | 第56页 |
| 5.3.2 实验结果与分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 致谢 | 第66页 |