基于人工势场和蚁群算法的无人船路径规划研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题的背景意义 | 第8页 |
| 1.2 无人船国内外研究现状 | 第8-13页 |
| 1.2.1 国外研究现状 | 第9-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 研究内容及论文结构 | 第13-15页 |
| 2 无人船路径规划方法研究 | 第15-23页 |
| 2.1 路径规划概述 | 第15-16页 |
| 2.1.1 路径规划的定义 | 第15-16页 |
| 2.1.2 路径规划分类 | 第16页 |
| 2.1.3 无人船路径规划问题 | 第16页 |
| 2.2 无人船路径规划方法 | 第16-21页 |
| 2.2.1 全局路径规划 | 第17-19页 |
| 2.2.2 局部路径规划 | 第19-21页 |
| 2.3 无人船路径规划特点 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于人工势场法的路径规划 | 第23-32页 |
| 3.1 经典人工势场法概述 | 第23-25页 |
| 3.1.1 经典人工势场法原理 | 第23页 |
| 3.1.2 人工势场法函数构成 | 第23-25页 |
| 3.1.3 经典人工势场法存在问题 | 第25页 |
| 3.2 人工势场法应用场景描述 | 第25-26页 |
| 3.3 改进的人工势场法 | 第26-28页 |
| 3.3.1 改进的势场函数 | 第26-27页 |
| 3.3.2 改进的路径规划 | 第27-28页 |
| 3.4 仿真实验与结果分析 | 第28-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 基于人工势场法和蚁群算法的路径规划 | 第32-46页 |
| 4.1 蚁群算法概述 | 第32-37页 |
| 4.1.1 蚁群算法基本原理 | 第32-35页 |
| 4.1.2 蚁群算法函数构成 | 第35-36页 |
| 4.1.3 蚁群算法的优缺点 | 第36-37页 |
| 4.2 改进的人工势场-蚁群算法 | 第37-41页 |
| 4.2.1 改进的信息素浓度更新规则 | 第37-38页 |
| 4.2.2 改进的启发信息函数 | 第38-40页 |
| 4.2.3 算法流程 | 第40-41页 |
| 4.3 仿真实验与结果分析 | 第41-44页 |
| 4.4 无人船测试平台 | 第44-45页 |
| 4.4.1 船体部分 | 第44-45页 |
| 4.4.2 主要功能与任务 | 第45页 |
| 4.5 本章小结 | 第45-46页 |
| 5 总结与展望 | 第46-47页 |
| 5.1 本文总结 | 第46页 |
| 5.2 工作展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士期间研究成果及所获奖励 | 第50-51页 |
| 致谢 | 第51页 |
