基于智能算法的移动机器人路径规划研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-16页 |
| 1.1 背景与意义 | 第9-10页 |
| 1.2 路径规划技术 | 第10-13页 |
| 1.2.1 路径规划的研究现状 | 第11-13页 |
| 1.2.2 路径规划的发展趋势 | 第13页 |
| 1.3 论文的主要内容及结构安排 | 第13-16页 |
| 2 基于免疫算法的移动机器人全局路径规划 | 第16-33页 |
| 2.1 免疫系统 | 第16-19页 |
| 2.1.1 生物免疫系统 | 第16页 |
| 2.1.2 生物免疫机制 | 第16-17页 |
| 2.1.3 人工免疫系统 | 第17页 |
| 2.1.4 人工免疫算法 | 第17-18页 |
| 2.1.5 克隆选择算法 | 第18-19页 |
| 2.2 免疫算法的设计 | 第19-28页 |
| 2.2.1 环境建模 | 第19-20页 |
| 2.2.2 抗体编码 | 第20-21页 |
| 2.2.3 抗体群初始化 | 第21页 |
| 2.2.4 接种疫苗 | 第21-22页 |
| 2.2.5 克隆选择 | 第22-26页 |
| 2.2.6 免疫操作 | 第26页 |
| 2.2.7 免疫算法步骤 | 第26-28页 |
| 2.3 仿真研究 | 第28-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 基于改进蚁群算法的移动机器人全局路径规划 | 第33-51页 |
| 3.1 基本蚁群概述 | 第33-35页 |
| 3.1.1 蚁群算法的原理 | 第33-34页 |
| 3.1.2 蚁群算法数学模型的建立 | 第34-35页 |
| 3.2 蚁群算法的改进与设计 | 第35-41页 |
| 3.2.1 目标启发策略 | 第36页 |
| 3.2.2 信息素更新与限定策略 | 第36-37页 |
| 3.2.3 回退策略 | 第37-39页 |
| 3.2.4 改进蚁群算法的设计 | 第39-41页 |
| 3.3 蚁群算法主要参数的分析 | 第41-42页 |
| 3.3.1 蚂蚁数目 | 第41页 |
| 3.3.2 信息素启发因子和期望启发因子 | 第41页 |
| 3.3.3 信息素挥发系数 | 第41-42页 |
| 3.3.4 信息素强度 | 第42页 |
| 3.4 仿真研究 | 第42-50页 |
| 3.4.1 蚁群算法中主要参数的仿真研究 | 第42-45页 |
| 3.4.2 改进蚁群算法的仿真研究 | 第45-50页 |
| 3.5 小结 | 第50-51页 |
| 4 基于免疫蚁群算法的移动机器人全局路径规划 | 第51-61页 |
| 4.1 免疫蚁群算法的设计思想 | 第51-52页 |
| 4.2 免疫蚁群算法的设计 | 第52-55页 |
| 4.2.1 改进蚁群算法初始信息素的生成 | 第52-53页 |
| 4.2.2 改进蚁群算法中进行免疫操作 | 第53页 |
| 4.2.3 免疫蚁群算法的流程图及具体步骤 | 第53-55页 |
| 4.3 仿真研究 | 第55-60页 |
| 4.4 本章小结 | 第60-61页 |
| 5 移动机器人局部路径规划研究 | 第61-68页 |
| 5.1 存在动态障碍物的局部路径规划 | 第61-65页 |
| 5.1.1 局部子目标的确定 | 第62页 |
| 5.1.2 移动机器人与动态障碍物的碰撞预测 | 第62-64页 |
| 5.1.3 仿真分析 | 第64-65页 |
| 5.2 存在临时静态障碍物的局部路径规划 | 第65-67页 |
| 5.3 小结 | 第67-68页 |
| 6 结束语 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 不足与展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75页 |
