| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究的背景与意义 | 第9页 |
| 1.2 移动机器人的国内外研究现状 | 第9-12页 |
| 1.3 移动机器人的特点 | 第12-13页 |
| 1.4 移动机器人中的关键技术 | 第13-14页 |
| 1.5 移动机器人的应用 | 第14页 |
| 1.6 本文主要内容和结构 | 第14-17页 |
| 第2章 移动机器人路径规划问题研究 | 第17-25页 |
| 2.1 移动机器人路径规划 | 第17-18页 |
| 2.2 路径规划方法 | 第18-24页 |
| 2.2.1 栅格法 | 第18-20页 |
| 2.2.2 可视图法 | 第20-21页 |
| 2.2.3 自由空间法 | 第21-22页 |
| 2.2.4 人工势场法 | 第22-23页 |
| 2.2.5 基于群智能算法的移动机器人路径规划方法 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 蚁群算法原理 | 第25-35页 |
| 3.1 蚁群算法 | 第25-29页 |
| 3.3 基本蚁群算法的实现步骤 | 第29页 |
| 3.4 蚁群算法中的参数 | 第29-30页 |
| 3.4.1 信息素启发因子α对算法的影响 | 第29-30页 |
| 3.4.2 期望启发因子β对算法的影响 | 第30页 |
| 3.4.3 信息素挥发系数ρ对算法的影响 | 第30页 |
| 3.4.4 信息素强度Q对算法的影响 | 第30页 |
| 3.5 蚁群算法的性能评价指标 | 第30-32页 |
| 3.5.1 优化性能指标 | 第31页 |
| 3.5.2 时间性能指标 | 第31页 |
| 3.5.3 鲁棒性能指标 | 第31-32页 |
| 3.6 几种改进的蚁群算法介绍 | 第32-33页 |
| 3.6.1 最大-最小值蚂蚁算法 | 第32页 |
| 3.6.2 最优-最差蚂蚁算法 | 第32页 |
| 3.6.3 基于优化排序的蚂蚁算法 | 第32-33页 |
| 3.7 本章小结 | 第33-35页 |
| 第4章 基于自适应蚁群算法的移动机器人路径规划 | 第35-41页 |
| 4.1 传统蚁群算法的优缺点 | 第35-36页 |
| 4.1.1 传统蚁群算法的优点 | 第35页 |
| 4.1.2 传统蚁群算法的缺点 | 第35-36页 |
| 4.2 路径规划问题的数学模型 | 第36-37页 |
| 4.3 基于蚁群算法的移动机器人路径规划 | 第37页 |
| 4.4 基于自适应蚁群算法的移动机器人路径规划 | 第37-38页 |
| 4.4.1 状态转移概率公式的改进 | 第37-38页 |
| 4.4.2 信息素更新公式的改进 | 第38页 |
| 4.5 改进后的自适应蚁群算法实现过程及流程图 | 第38-39页 |
| 4.6 本章小结 | 第39-41页 |
| 第5章 实验与仿真 | 第41-51页 |
| 5.1 环境建模 | 第41-42页 |
| 5.2 仿真实验参数设定 | 第42-43页 |
| 5.3 仿真结果 | 第43-49页 |
| 5.4 本章小结 | 第49-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-61页 |
| 攻读硕士学位期间科研成果 | 第61页 |
| 一、攻读硕士学位期间取得的成果 | 第61页 |
| 二、所获奖项 | 第61页 |