| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1.引言 | 第8-18页 |
| 1.1 研究背景和研究意义 | 第8-9页 |
| 1.2 二维静态环境下的机器人路径规划研究现状 | 第9-16页 |
| 1.2.1 基于模型的传统路径规划方法 | 第9-12页 |
| 1.2.2 面向机器人路径规划的优化算法 | 第12-14页 |
| 1.2.3 基于栅格法环境建模利用蚁群算法结局路径规划 | 第14-16页 |
| 1.3 三维静态环境机器人路径规划研究现状 | 第16页 |
| 1.4 研究内容和组织结构 | 第16-18页 |
| 2.栅格环境下机器人行走规则的数学模型 | 第18-26页 |
| 2.1 二维栅格示意模型 | 第18-20页 |
| 2.2 栅格环境中机器人行走的混合整型的数学规划的模型 | 第20-23页 |
| 2.2.1 位移约束 | 第20-21页 |
| 2.2.2 规避障碍约束 | 第21页 |
| 2.2.3 运动约束 | 第21页 |
| 2.2.4 目标函数 | 第21-22页 |
| 2.2.5 线性化处理 | 第22-23页 |
| 2.3 栅格法在三维空间的数学模型 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3.基于改进蚁群算法的二维机器人路径规划 | 第26-39页 |
| 3.1 基本蚁群算法 | 第26-30页 |
| 3.1.1 蚁群算法的基本流程 | 第26-27页 |
| 3.1.2 路径的构建 | 第27-28页 |
| 3.1.3 信息素浓度的更新 | 第28-29页 |
| 3.1.4 蚁群算法的优点与不足 | 第29-30页 |
| 3.2 蚁群算法的改进 | 第30-35页 |
| 3.2.1 启发式信息收集及算法改进 | 第30-31页 |
| 3.2.2 概率选择栅格 | 第31-32页 |
| 3.2.3 机器人在栅格中的行走规则 | 第32-33页 |
| 3.2.4 迭代方式及信息素的更新 | 第33-35页 |
| 3.3 算法步骤及结果展示和对比 | 第35-38页 |
| 3.3.1 算法流程 | 第35页 |
| 3.3.2 仿真结果展示 | 第35-36页 |
| 3.3.3 改进蚁群该算法与基本蚁群算法的结果对比 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4.结合栅格法和蚁群算法的三维规划问题研究 | 第39-45页 |
| 4.1 类山地环境构造 | 第39-40页 |
| 4.2 三维模型下改进型蚁群算法研究 | 第40-41页 |
| 4.2.1 栅格选择模式 | 第40页 |
| 4.2.2 启发式信息及其改进 | 第40页 |
| 4.2.3 概率选择模式 | 第40-41页 |
| 4.2.4 迭代方式及信息素更新 | 第41页 |
| 4.3 路径规划算法流程及结果展示 | 第41-44页 |
| 4.3.1 算法流程 | 第41-42页 |
| 4.3.2 结果展示 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5.实例分析与验证 | 第45-51页 |
| 5.1 二维机器人路径规划仿真分析 | 第45-49页 |
| 5.1.1 蚁群算法的参数分析 | 第45-46页 |
| 5.1.2 参数校验 | 第46-48页 |
| 5.1.3 仿真结果分析 | 第48-49页 |
| 5.2 三维机器人路径规划结果及分析 | 第49-50页 |
| 5.2.1 结果展示 | 第49-50页 |
| 5.2.2 收敛性分析 | 第50页 |
| 5.3 本章小结 | 第50-51页 |
| 6.结论与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录1 攻读硕士学位期间的研究成果 | 第58-59页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第59-60页 |
| 详细摘要 | 第60-64页 |
