| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 路径规划研究现状以及存在的问题 | 第11-13页 |
| 1.2.1 单移动机器人路径规划现状 | 第11-12页 |
| 1.2.2 多移动机器人路径规划现状 | 第12-13页 |
| 1.2.3 存在的问题 | 第13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 多机器人路径规划的相关理论和关键技术 | 第16-24页 |
| 2.1 路径规划方法分析 | 第16-18页 |
| 2.1.1 常用全局路径规划方法 | 第16-17页 |
| 2.1.2 常用局部路径规划方法 | 第17-18页 |
| 2.2 多机器人系统 | 第18-20页 |
| 2.3 多机器人路径规划的关键技术 | 第20-22页 |
| 2.3.1 多机器人路径规划方法 | 第20页 |
| 2.3.2 多机器人协调策略分类 | 第20-21页 |
| 2.3.3 多机器人协调策略 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 基于改进蚁群算法的全局路径规划 | 第24-35页 |
| 3.1 环境描述 | 第24-26页 |
| 3.2 代价函数设计 | 第26页 |
| 3.3 基本蚁群算法 | 第26-27页 |
| 3.4 基于改进蚁群算法的机器人路径规划 | 第27-30页 |
| 3.4.1 改进的蚁群算法 | 第27-29页 |
| 3.4.2 改进蚁群算法路径规划流程 | 第29-30页 |
| 3.5 仿真实验和结果分析 | 第30-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 基于人工蜂群算法的局部路径规划 | 第35-45页 |
| 4.1 人工蜂群算法简介 | 第35-38页 |
| 4.1.1 算法描述 | 第35-36页 |
| 4.1.2 算法步骤 | 第36-38页 |
| 4.2 基于人工蜂群算法的局部路径规划 | 第38-41页 |
| 4.2.1 优化目标 | 第38页 |
| 4.2.2 路径规划问题的人工蜂群算法 | 第38-40页 |
| 4.2.3 人工蜂群算法路径规划流程 | 第40-41页 |
| 4.3 仿真实验和结果分析 | 第41-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第五章 基于混合算法的多移动机器人路径规划 | 第45-55页 |
| 5.1 问题描述 | 第45页 |
| 5.2 多机器人路径规划算法架构 | 第45-47页 |
| 5.2.1 全局规划层 | 第46页 |
| 5.2.2 局部规划层 | 第46页 |
| 5.2.3 基于混合算法的多移动机器人路径规划步骤 | 第46-47页 |
| 5.3 避碰及避障策略 | 第47-50页 |
| 5.3.1 碰撞预测策略 | 第47-48页 |
| 5.3.2 路径协调策略 | 第48-50页 |
| 5.4 仿真实验和结果分析 | 第50-53页 |
| 5.5 本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 论文总结 | 第55页 |
| 6.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士期间取得的研究成果 | 第61-63页 |
| 致谢 | 第63-64页 |