| 摘要 | 第4-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究综述 | 第12-17页 |
| 1.2.1 机器学习 | 第12-14页 |
| 1.2.2 人工智能 | 第14页 |
| 1.2.3 人工神经网络 | 第14-15页 |
| 1.2.4 群智能算法 | 第15-16页 |
| 1.2.5 Webots仿真模拟系统 | 第16-17页 |
| 1.3 研究内容、研究方法与创新 | 第17-22页 |
| 1.3.1 研究内容与组织架构 | 第17-20页 |
| 1.3.2 研究方法 | 第20页 |
| 1.3.3 研究创新点 | 第20-22页 |
| 第2章 群智能算法的理论概述 | 第22-32页 |
| 2.1 粒子群优化算法(PSO) | 第22-25页 |
| 2.1.1 理论概述 | 第22-24页 |
| 2.1.2 应用综述 | 第24-25页 |
| 2.2 蝙蝠算法(BA) | 第25-28页 |
| 2.2.1 理论概述 | 第25-28页 |
| 2.2.2 应用综述 | 第28页 |
| 2.3 灰狼优化算法(GWO) | 第28-31页 |
| 2.3.1 理论概述 | 第28-30页 |
| 2.3.2 应用综述 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 机器人群体避障仿真模型 | 第32-45页 |
| 3.1 仿真模型的建立 | 第32-34页 |
| 3.1.1 问题的提出 | 第32页 |
| 3.1.2 数学模型的建立 | 第32-34页 |
| 3.2 仿真模拟环境的创建 | 第34-36页 |
| 3.2.1 仿真模拟环境的背景介绍 | 第34-35页 |
| 3.2.2 模拟环境的创建 | 第35-36页 |
| 3.3 三种群智能算法的改进 | 第36-40页 |
| 3.3.1 在三种群智能算法中加入差分进化计算 | 第36-39页 |
| 3.3.2 三种群智能算法的归纳总结 | 第39-40页 |
| 3.4 仿真模型的求解 | 第40-43页 |
| 3.4.1 人工神经网络的应用 | 第40-41页 |
| 3.4.2 求解方法与求解步骤 | 第41-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 群智能算法的比较研究 | 第45-57页 |
| 4.1 研究问题的提出 | 第45-46页 |
| 4.2 实验方案设计 | 第46-47页 |
| 4.3 实验结果的分析 | 第47-56页 |
| 4.3.1 三种算法的优化过程与优化结果的比较分析 | 第48-49页 |
| 4.3.2 三种算法在不同参数设置下表现结果的比较分析 | 第49-51页 |
| 4.3.3 每种算法在不同的NR下表现结果的比较分析 | 第51-53页 |
| 4.3.4 每种算法在不同的CR下表现结果的比较分析 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 研究的主要工作与成果 | 第57-58页 |
| 5.2 研究的不足与展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 攻读学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |
