基于遗传算法智能小车路径规划的研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-10页 |
| 1 绪论 | 第10-14页 |
| ·选题背景 | 第10-11页 |
| ·国内外的研究现状 | 第11-12页 |
| ·智能小车的关键技术 | 第12-13页 |
| ·机械架构 | 第12-13页 |
| ·定位与导航 | 第13页 |
| ·智能技术 | 第13页 |
| ·本文研究的主要内容 | 第13-14页 |
| 2 环境感知系统 | 第14-18页 |
| ·传感器技术综述 | 第14-15页 |
| ·避障小车的常用传感器 | 第15-16页 |
| ·传感器选择 | 第16页 |
| ·环境信息的提取策略 | 第16-18页 |
| 3 遗传算法操作过程 | 第18-27页 |
| ·遗传算法简介 | 第18-19页 |
| ·遗传算法的过程 | 第19-25页 |
| ·遗传算法术语 | 第19-20页 |
| ·算法基本流程 | 第20-21页 |
| ·编码 | 第21-22页 |
| ·适应度函数设计 | 第22-23页 |
| ·遗传操作 | 第23-25页 |
| ·遗传参数的选择 | 第25页 |
| ·遗传算法改进方向 | 第25-27页 |
| 4 路径规划的遗传算法实现 | 第27-38页 |
| ·环境信息处理 | 第27-28页 |
| ·编码 | 第28页 |
| ·种群初始化 | 第28-29页 |
| ·适应度函数的设计 | 第29-30页 |
| ·遗传操作 | 第30-33页 |
| ·选择算子 | 第30-31页 |
| ·交叉算子 | 第31-32页 |
| ·变异算子 | 第32页 |
| ·优化操作 | 第32-33页 |
| ·交叉和变异的模糊整定 | 第33-36页 |
| ·动态的路径规划 | 第36-38页 |
| 5 路径规划的仿真和结果分析 | 第38-51页 |
| ·仿真工具介绍 | 第38页 |
| ·实验介绍 | 第38页 |
| ·静态环境下的实验结果 | 第38-44页 |
| ·遗传操作参数的影响 | 第44-47页 |
| ·种群规模 | 第44-46页 |
| ·适应度参数的影响 | 第46-47页 |
| ·动态环境的仿真 | 第47-49页 |
| ·与人工势场法比较 | 第49-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 附录A 附录内容名称 | 第54-55页 |
| 作者简历 | 第55-57页 |
| 学位论文数据集 | 第57-58页 |
