| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外移动机器人现状及发展 | 第10-13页 |
| 1.2.1 国外移动机器人的研究现状及发展 | 第10-11页 |
| 1.2.2 国内移动机器人的研究现状及发展 | 第11-13页 |
| 1.3 本章小结 | 第13页 |
| 1.4 论文的研究主要内容 | 第13-14页 |
| 2 移动机器人路径规划及路径规划技术 | 第14-22页 |
| 2.1 移动机器人的组成结构 | 第14-16页 |
| 2.1.1 检测单元 | 第14-15页 |
| 2.1.2 驱动单元 | 第15页 |
| 2.1.3 控制单元 | 第15-16页 |
| 2.1.4 执行单元 | 第16页 |
| 2.2 移动机器人路径规划方法概述 | 第16-20页 |
| 2.2.1 全局路径规划算法 | 第16-18页 |
| 2.2.2 局部路径规划算法 | 第18-20页 |
| 2.3 移动机器人的发展趋势 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 蚁群算法原理及分析 | 第22-33页 |
| 3.1 蚁群算法概述 | 第22-24页 |
| 3.1.1 蚁群算法的产生 | 第22页 |
| 3.1.2 蚁群觅食行为的描述 | 第22-24页 |
| 3.2 基本蚁群蚁群算法的原理 | 第24-25页 |
| 3.2.1 蚁群算法的机制原理 | 第24页 |
| 3.2.2 蚁群算法的系统学特征 | 第24-25页 |
| 3.3 蚁群算法的基本实现 | 第25-31页 |
| 3.3.1 蚁群算法的基本原型-TSP问题 | 第26-28页 |
| 3.3.2 蚁群算法解决TSP问题的流程图 | 第28-30页 |
| 3.3.3 程序仿真实现 | 第30-31页 |
| 3.4 基本蚁群算法的优缺点介绍 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 基于改进蚁群算法在路径规划研究 | 第33-49页 |
| 4.1 引言 | 第33页 |
| 4.2 人工势场法概述以及对传统蚁群算法的改进 | 第33-38页 |
| 4.2.1 人工势场法概述 | 第33-36页 |
| 4.2.2 基于人工势场法对蚁群算法的改进 | 第36-38页 |
| 4.3 A*算法概述以及对传统蚁群算法的改进 | 第38-41页 |
| 4.3.1 A*算法概述及原理分析 | 第38-40页 |
| 4.3.2 基于A*算法对蚁群算法的改进 | 第40-41页 |
| 4.4 人工势场法改进的蚁群算法在路径规划中的应用 | 第41-44页 |
| 4.4.1 Dijkstra算法 | 第41-42页 |
| 4.4.2 算法流程图 | 第42-43页 |
| 4.4.3 仿真结果与分析 | 第43-44页 |
| 4.5 A*算法改进的蚁群算法在路径规划中应用 | 第44-48页 |
| 4.5.1 模型的建立 | 第44-45页 |
| 4.5.2 实验结果与仿真分析 | 第45-48页 |
| 4.6 本章小结 | 第48-49页 |
| 5 基于蚁群算法的三维路径规划研究 | 第49-59页 |
| 5.1 移动机器人三维空间模型的建立 | 第49-51页 |
| 5.1.1 三维模型空间的建立过程 | 第49-50页 |
| 5.1.2 三维路径搜索空间 | 第50-51页 |
| 5.2 算法设计 | 第51-54页 |
| 5.2.1 信息素浓度的更新 | 第51-52页 |
| 5.2.2 搜索过程中的可视区域 | 第52-53页 |
| 5.2.3 蚁群算法的三维搜索策略 | 第53-54页 |
| 5.3 算法流程 | 第54-56页 |
| 5.3.1 蚁群三维路径规划算法在平面上的执行流程 | 第54-55页 |
| 5.3.2 算法流程图 | 第55-56页 |
| 5.4 仿真结果与分析 | 第56页 |
| 5.5 本章小结 | 第56-59页 |
| 6 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录硕士期间发表论文 | 第65-66页 |
| 致谢 | 第66页 |