复杂环境下移动机器人路径规划方法的研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 移动机器人路径规划概述及研究现状 | 第12-14页 |
| 1.2.1 移动机器人路径规划概述 | 第12-13页 |
| 1.2.2 移动机器人路径规划研究现状 | 第13-14页 |
| 1.3 移动机器人路径规划方法 | 第14-17页 |
| 1.3.1 基于环境模型的路径规划 | 第14-17页 |
| 1.3.2 基于行为的路径规划 | 第17页 |
| 1.4 移动机器人路径规划存在问题及发展趋势 | 第17-18页 |
| 1.4.1 移动机器人路径规划存在问题 | 第17-18页 |
| 1.4.2 移动机器人路径规划发展趋势 | 第18页 |
| 1.5 本文研究内容和章节安排 | 第18-19页 |
| 1.6 本章小结 | 第19-20页 |
| 第2章 基于经典蚁群算法的全局路径规划 | 第20-31页 |
| 2.1 经典蚁群算法介绍 | 第20-25页 |
| 2.1.1 蚁群算法的产生 | 第20页 |
| 2.1.2 蚂蚁道路选择分析 | 第20-22页 |
| 2.1.3 经典蚁群算法的数学模型 | 第22-24页 |
| 2.1.4 经典蚁群算法的特点 | 第24-25页 |
| 2.1.5 经典蚁群算法的优缺点 | 第25页 |
| 2.2 蚁群算法环境建模的搭建 | 第25-27页 |
| 2.3 经典蚁群算法路径规划的实现过程 | 第27-28页 |
| 2.3.1 经典蚁群算法路径规划的实现步骤 | 第27-28页 |
| 2.3.2 经典蚁群算法路径规划的流程图 | 第28页 |
| 2.4 经典蚁群算法路径规划的仿真分析 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于改进蚁群算法的全局路径规划 | 第31-44页 |
| 3.1 经典蚁群算法的改进思路 | 第31-32页 |
| 3.1.1 经典蚁群算法缺陷分析 | 第31页 |
| 3.1.2 经典蚁群算法改进途径分析 | 第31-32页 |
| 3.2 改进蚁群算法的实现 | 第32-34页 |
| 3.2.1 初始信息素分布的改进 | 第32页 |
| 3.2.2 转移概率的改进 | 第32-34页 |
| 3.2.3 全局信息素更新的改进 | 第34页 |
| 3.3 蚁群算法参数选取的实验分析 | 第34-40页 |
| 3.3.1 蚂蚁数目 | 第35-37页 |
| 3.3.2 信息素挥发因子 | 第37-38页 |
| 3.3.3 信息素启发因子和期望启发因子 | 第38-40页 |
| 3.3.4 信息素强度 | 第40页 |
| 3.4 改进蚁群算法路径规划的实现过程 | 第40-41页 |
| 3.5 改进蚁群算法路径规划的仿真分析 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于改进人工势场法的路径规划研究 | 第44-49页 |
| 4.1 经典人工势场法介绍 | 第44-45页 |
| 4.1.1 经典人工势场法概念 | 第44页 |
| 4.1.2 经典人工势场函数介绍 | 第44-45页 |
| 4.2 经典人工势场法的目标不可达问题及改进策略 | 第45-47页 |
| 4.2.1 目标不可达问题分析 | 第45-46页 |
| 4.2.2 目标不可达问题改进策略 | 第46-47页 |
| 4.3 改进人工势场法路径规划的执行流程及仿真 | 第47-48页 |
| 4.3.1 改进人工势场法路径规划的执行流程 | 第47页 |
| 4.3.2 改进人工势场法路径规划的仿真 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 基于势场蚁群融合优化算法的路径规划研究 | 第49-56页 |
| 5.1 融合优化算法提出的必要性分析 | 第49页 |
| 5.2 融合优化算法的执行步骤及流程 | 第49-51页 |
| 5.2.1 融合优化算法的执行步骤 | 第49-50页 |
| 5.2.2 融合优化算法的执行流程 | 第50-51页 |
| 5.3 融合优化算法的仿真分析 | 第51-55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 作者简介 | 第63页 |
| 攻读硕士期间发表的论文和科研成果 | 第63-64页 |
