基于蚁群算法和遗传算法的机器人路径规划研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.2 国内外相关技术发展现状 | 第10-15页 |
| 1.2.1 全局路径规划 | 第11-13页 |
| 1.2.2 局部路径规划 | 第13-15页 |
| 1.3 本文的主要研究内容 | 第15-17页 |
| 第2章 蚁群算法与遗传算法的原理与分析 | 第17-28页 |
| 2.1 蚁群算法 | 第17-24页 |
| 2.1.1 蚁群算法的基本思想 | 第17-19页 |
| 2.1.2 蚁群算法的特点 | 第19-20页 |
| 2.1.3 蚁群算法的基本原理 | 第20-23页 |
| 2.1.4 蚁群算法的基本流程 | 第23-24页 |
| 2.2 遗传算法 | 第24-27页 |
| 2.2.1 遗传算法的基本思想 | 第24页 |
| 2.2.2 遗传算法的特点 | 第24-25页 |
| 2.2.3 遗传算法的原理 | 第25-26页 |
| 2.2.4 遗传算法的基本流程 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 蚁群算法与遗传算法性能分析 | 第28-34页 |
| 3.1 最大-最小蚁群算法性能分析 | 第28-32页 |
| 3.2 遗传算法性能分析 | 第32-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 基于蚁群算法和遗传算法的路径规划 | 第34-50页 |
| 4.1 搜索空间地图构建及可行域分析 | 第34-39页 |
| 4.1.1 搜索空间地图构建 | 第34-35页 |
| 4.1.2 可行域的构建及路径裁剪 | 第35-39页 |
| 4.2 信息素及转移概率的表示 | 第39-40页 |
| 4.2.1 信息素的表示 | 第39-40页 |
| 4.2.2 状态转移概率的计算 | 第40页 |
| 4.3 基于最大-最小蚁群算法的改进 | 第40-42页 |
| 4.4 算法实现的主要步骤 | 第42-43页 |
| 4.5 实验结果与性能分析 | 第43-49页 |
| 4.5.1 实验环境 | 第43页 |
| 4.5.2 实验结果与性能分析 | 第43-49页 |
| 4.6 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-56页 |
| 致谢 | 第56页 |
