| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-11页 |
| ·课题目的及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文主要研究内容 | 第9-11页 |
| 第2章 相关技术介绍 | 第11-32页 |
| ·规划问题基本模型 | 第11-14页 |
| ·离散空间路径规划 | 第14-22页 |
| ·环境表示方法 | 第15-16页 |
| ·前向搜索算法 | 第16-19页 |
| ·DSTAR 算法 | 第19-22页 |
| ·连续空间路径规划 | 第22-31页 |
| ·人工势场方法 | 第22-24页 |
| ·快速扩展随机树方法 | 第24页 |
| ·基于神经网络的路径规划方法 | 第24-25页 |
| ·机器学习和全局最优化方法 | 第25-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于DSTAR 和人工神经网络的智能路径规划 | 第32-40页 |
| ·DSTAR 算法的不足 | 第32-35页 |
| ·基于DSTAR 和BP 神经网络的路径规划策略描述 | 第35-39页 |
| ·训练样例生成 | 第38-39页 |
| ·学习策略改进 | 第39页 |
| ·参数控制和参数优化 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第4章 实验结果及分析 | 第40-50页 |
| ·实验方案 | 第40-44页 |
| ·体系结构 | 第42-43页 |
| ·各组件功能描述 | 第43-44页 |
| ·实验结果 | 第44-47页 |
| ·导航策略性能比较和量化分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56页 |