首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

改进粒子群优化算法在路径优化中的应用

摘要第4-6页
Abstract第6-7页
目录第8-11页
图和附表清单第11-12页
1 绪论第12-19页
    1.1 研究背景及意义第12-13页
    1.2 国内外研究现状第13-15页
    1.3 研究中存在的问题第15-16页
    1.4 论文的主要工作及章节安排第16-19页
        1.4.1 主要工作第16-17页
        1.4.2 章节安排第17-19页
2 粒子群优化算法的发展第19-30页
    2.1 优化第19-21页
    2.2 进化算法第21-23页
    2.3 粒子群优化算法第23页
    2.4 粒子群优化算法的原始算法第23-25页
    2.5 改进的粒子群优化算法第25-28页
        2.5.1 参数改进第25-26页
        2.5.2 拓扑结构的应用第26-27页
        2.5.3 混合 PSO 算法第27-28页
    2.6 应用第28-30页
        2.6.1 二进制优化第28页
        2.6.2 约束优化第28-29页
        2.6.3 多目标优化第29页
        2.6.4 极小-极大值问题第29页
        2.6.5 其它的应用第29-30页
3 三种曲线简介第30-33页
    3.1 Bezier 曲线及其特性第30-31页
    3.2 Ferguson 曲线及其特性第31页
    3.3 η~3曲线及其特性第31-33页
4 DMS-PSO 在路径优化中的应用第33-46页
    4.1 周期性变化的邻域结构第33-34页
    4.2 含有交叉策略的 DMS-PSO第34-35页
    4.3 路径优化的评价指标第35页
    4.4 含交叉策略的 DMS-PSO 在路径优化中的应用第35-43页
        4.4.1 Bezier 曲线实验结果第37-39页
        4.4.2 Ferguson 曲线实验结果第39-40页
        4.4.3 η~3曲线实验结果第40-43页
    4.5 算法收敛分析第43-45页
    4.6 本章小结第45-46页
5 基于 Bezier 曲线和动态约束下的路径优化第46-51页
    5.1 动态约束策略描述第46-47页
    5.2 实验设置及结果第47-49页
    5.3 本章小结第49-51页
6 多目标优化在路径优化中的应用第51-61页
    6.1 多目标优化时的技术指标第52-53页
    6.2 约束处理第53页
    6.3 Pareto 曲面第53-54页
    6.4 多目标优化原理第54-58页
    6.5 实验场景设置和结果第58-59页
    6.6 本章小结第59-61页
7 结论与展望第61-63页
    7.1 本课题总结第61-62页
    7.2 工作展望第62-63页
参考文献第63-73页
致谢第73-74页
个人简历、在学期间发表的学术论文与研究成果第74-75页

论文共75页,点击 下载论文
上一篇:多关节机器人的滑模控制策略研究
下一篇:基于DSA的伺服系统速度环建模与PI参数整定