智能轮式机器人在养殖场中路径规划的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究目的和意义 | 第9页 |
| 1.2 机器人技术的发展现状 | 第9-13页 |
| 1.2.1 机器人技术的国内外发展现状 | 第9-12页 |
| 1.2.2 养殖场中机器人的国内外发展现状 | 第12-13页 |
| 1.3 机器人路径规划发展现状 | 第13-17页 |
| 1.3.1 路径规划问题描述 | 第13-14页 |
| 1.3.2 移动机器人路径规划方法 | 第14-17页 |
| 1.4 论文主要研究内容 | 第17-18页 |
| 第2章 基于改进遗传算法的机器人路径规划方法研究 | 第18-33页 |
| 2.1 遗传算法的相关理论 | 第18-22页 |
| 2.1.1 遗传算法定义 | 第18-20页 |
| 2.1.2 遗传算法基本步骤 | 第20页 |
| 2.1.3 遗传算法特点 | 第20-22页 |
| 2.2 适应度函数的设计 | 第22-24页 |
| 2.2.1 最短距离适应度函数 | 第22页 |
| 2.2.2 安全性能适应度函数 | 第22-23页 |
| 2.2.3 平滑度适应度函数 | 第23-24页 |
| 2.3 算法步骤 | 第24-27页 |
| 2.3.1 环境初始化 | 第24-25页 |
| 2.3.2 算法伪代码 | 第25-27页 |
| 2.4 仿真结果及分析 | 第27-32页 |
| 2.4.1 最优、平均适应度函数值变化趋势对比 | 第27-29页 |
| 2.4.2 仿真实验结果与分析 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于粒子群算法自主寻优的遗传算法路径规划 | 第33-43页 |
| 3.1 PSO算法的相关理论 | 第33-36页 |
| 3.1.1 PSO算法的起源 | 第33页 |
| 3.1.2 PSO算法的原理 | 第33-35页 |
| 3.1.3 PSO算法流程 | 第35页 |
| 3.1.4 PSO算法的优点 | 第35-36页 |
| 3.2 PSO算法适应度函数的设计 | 第36-37页 |
| 3.3 仿真结果和分析 | 第37-42页 |
| 3.3.1 算法伪代码 | 第37页 |
| 3.3.2 仿真结果与分析 | 第37-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于蚁群算法的机器人路径规划方法研究 | 第43-51页 |
| 4.1 蚁群算法的相关理论 | 第43-47页 |
| 4.1.1 蚁群算法的起源 | 第43-44页 |
| 4.1.2 蚁群算法原理 | 第44-45页 |
| 4.1.3 蚁群算法规则 | 第45-46页 |
| 4.1.4 蚁群算法流程 | 第46-47页 |
| 4.1.5 蚁群算法特点 | 第47页 |
| 4.2 算法步骤 | 第47页 |
| 4.2.1 环境描述 | 第47页 |
| 4.2.2 算法伪代码 | 第47页 |
| 4.3 仿真结果及分析 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 养殖场中机器人路径规划的研究 | 第51-61页 |
| 5.1 环境建模 | 第51-52页 |
| 5.2 实验结果与分析 | 第52-60页 |
| 5.2.1 监控模式 | 第52-57页 |
| 5.2.2 路径规划模式 | 第57-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第6章 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 作者简介 | 第67页 |
| 攻读硕士学位期间研究成果 | 第67页 |
