| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·问题的提出 | 第11页 |
| ·多目标优化算法的研究现状 | 第11-13页 |
| ·研究的意义 | 第13-14页 |
| ·论文的创新点 | 第14-15页 |
| ·论文的组织结构 | 第15-16页 |
| 第二章 机器人的路径规划方法综述 | 第16-27页 |
| ·基于地图的规划 | 第16-17页 |
| ·基于地图已知的路径规划方法 | 第16-17页 |
| ·基于地图未知的路径规划方法 | 第17页 |
| ·基于势场的规划 | 第17-20页 |
| ·势场函数的建立 | 第18-19页 |
| ·时变势场法 | 第19-20页 |
| ·基于栅格的规划 | 第20-21页 |
| ·栅格法的建模 | 第20-21页 |
| ·栅格法的信息编码 | 第21页 |
| ·基于Q学习的规划 | 第21-25页 |
| ·Q-学习基本算法 | 第22-23页 |
| ·Q-学习系统的结构及神经网络实现 | 第23-25页 |
| ·基于遗传算法的规划 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 NPGA基本思想 | 第27-41页 |
| ·遗传算法简介 | 第27-29页 |
| ·遗传算法的组成 | 第29-37页 |
| ·编码 | 第29-30页 |
| ·初始种群的产生 | 第30页 |
| ·评价函数 | 第30-31页 |
| ·遗传操作算子 | 第31-36页 |
| ·算法的终止条件 | 第36页 |
| ·算法参数设置 | 第36-37页 |
| ·NPGA的基本概念以及实现方法 | 第37-40页 |
| ·NPGA的基本概念 | 第37-38页 |
| ·基于预选择的NPGA实现方法 | 第38页 |
| ·基于排挤的NPGA实现方法 | 第38-39页 |
| ·基于共享函数的NPGA实现方法 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于惩罚函数NPGA的足球机器人动态路径规划 | 第41-51页 |
| ·足球机器人路径规划问题的多目标优化 | 第41-42页 |
| ·足球机器人路径规划的多目标优化模型 | 第42-44页 |
| ·运动模型 | 第42-43页 |
| ·体力模型 | 第43-44页 |
| ·基于惩罚函数NPGA的足球机器人路径规划 | 第44-48页 |
| ·惩罚函数NPGA算法 | 第45-46页 |
| ·染色体的表示以及初始种群的构造 | 第46页 |
| ·路径评价适应度函数 | 第46-47页 |
| ·遗传操作 | 第47-48页 |
| ·数值实验 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 足球机器人路径规划仿真实验结果及分析 | 第51-58页 |
| ·仿真环境 | 第51页 |
| ·仿真结果 | 第51-56页 |
| ·结果分析及结论 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 结论与展望 | 第58-60页 |
| ·结论 | 第58页 |
| ·今后的工作 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 论文及获奖情况 | 第64页 |