| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·本课题研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-15页 |
| ·主要的环境建模方法 | 第10-11页 |
| ·主要的路径规划算法 | 第11-15页 |
| ·本论文的研究的主要内容 | 第15-16页 |
| ·论文内容安排 | 第16页 |
| ·本章小结 | 第16-18页 |
| 第二章 基本蚁群算法 | 第18-27页 |
| ·基本蚁群算法的原理 | 第18-20页 |
| ·蚁群行为描述 | 第18页 |
| ·蚁群算法的基本原理 | 第18-20页 |
| ·基本蚁群算法的数学模型 | 第20-21页 |
| ·基本蚁群算法的性能评价 | 第21-22页 |
| ·改进的蚁群算法 | 第22-25页 |
| ·带精英策略的蚁群算法 | 第22-23页 |
| ·蚁群系统(Ant Colony System) | 第23-24页 |
| ·最大—最小蚂蚁系统(Max-Min Ant System, MMAS) | 第24-25页 |
| ·蚁群算法的应用 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于改进双蚁群算法的机器人路径规划 | 第27-40页 |
| ·路径规划问题的环境表示 | 第27-28页 |
| ·问题描述 | 第28-30页 |
| ·环境描述 | 第28-30页 |
| ·路径规划问题 | 第30页 |
| ·基本蚁群算法用于路径规划的原理 | 第30-32页 |
| ·节点选择规则 | 第31页 |
| ·信息素更新规则 | 第31-32页 |
| ·单蚁群算法的算法步骤 | 第32页 |
| ·改进策略 | 第32-35页 |
| ·改进启发式因子 | 第33页 |
| ·信息素更新 | 第33-34页 |
| ·权值系数 α 和 β 动态调整 | 第34页 |
| ·挥发系数动态调整 | 第34-35页 |
| ·双蚁群算法的步骤 | 第35-36页 |
| ·仿真结果分析 | 第36-39页 |
| ·仿真实例和参数设定 | 第36页 |
| ·仿真结果与性能比较 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 复杂环境下基于改进的蚁群算法机器人路径规划 | 第40-53页 |
| ·基本蚁群算法的原理 | 第40-41页 |
| ·节点选择规则 | 第40-41页 |
| ·信息素更新规则 | 第41页 |
| ·蚁群算法改进策略 | 第41-44页 |
| ·距离启发因子的改进 | 第41-42页 |
| ·基于排序的最优性选择下一个路径栅格 | 第42页 |
| ·信息素初始化的改进 | 第42-43页 |
| ·不可行路径信息更新规则 | 第43-44页 |
| ·蚂蚁回退策略 | 第44-45页 |
| ·改进算法步骤 | 第45-46页 |
| ·仿真结果分析 | 第46-52页 |
| ·仿真实例和参数设定 | 第46页 |
| ·仿真结果与性能比较 | 第46-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间论文发表和参加科研的项目情况 | 第59-60页 |
| 致谢 | 第60-61页 |