| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.1.1 课题研究背景 | 第8-9页 |
| 1.1.2 课题研究意义 | 第9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 地图导航研究现状 | 第9-10页 |
| 1.2.2 APP开发现状 | 第10-11页 |
| 1.2.3 最短路径算法现状 | 第11页 |
| 1.3 本文的研究内容及动态 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第二章 相关技术介绍 | 第14-23页 |
| 2.1 HTML、CSS、JavaScript语言介绍 | 第14-16页 |
| 2.1.1 HTML简介 | 第14页 |
| 2.1.2 CSS简介 | 第14-15页 |
| 2.1.3 JavaScript脚本语言 | 第15-16页 |
| 2.2 Node.js平台 | 第16-19页 |
| 2.2.1 Node.js简介 | 第16-17页 |
| 2.2.2 Node.js的四个重要概念 | 第17-19页 |
| 2.3 JSON数据格式 | 第19-21页 |
| 2.4 Ionic框架和Angular.JS | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 多目的地导航算法 | 第23-37页 |
| 3.1 旅行商问题及算法简介 | 第23-26页 |
| 3.1.1 旅行商问题概述 | 第23-24页 |
| 3.1.2 几种旅行商算法简介 | 第24-26页 |
| 3.2 传统蚁群算法 | 第26-29页 |
| 3.2.1 详细算法介绍 | 第26-27页 |
| 3.2.2 算法实现步骤 | 第27-28页 |
| 3.2.3 蚁群算法求解流程图 | 第28-29页 |
| 3.2.4 蚁群算法缺陷分析 | 第29页 |
| 3.3 改进蚁群算法及验证 | 第29-32页 |
| 3.3.1 改进下一结点的选取概率 | 第29页 |
| 3.3.2 改进信息素浓度挥发系数 | 第29-30页 |
| 3.3.3 改进算法成果验证 | 第30-32页 |
| 3.4 Dijkstra算法 | 第32-34页 |
| 3.4.1 最短路径算法简介与比较 | 第32-33页 |
| 3.4.2 Dijkstra算法详细介绍 | 第33-34页 |
| 3.5 多源最短路径导航算法 | 第34-36页 |
| 3.5.1 距离矩阵的引入 | 第34-36页 |
| 3.5.2 蚁群算法嵌套Dijkstra算法 | 第36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 环境搭建及导航实现 | 第37-56页 |
| 4.1 百度地图API | 第37-39页 |
| 4.1.1 MAP类介绍 | 第37-39页 |
| 4.1.2 申请API密钥 | 第39页 |
| 4.2 环境搭建 | 第39-41页 |
| 4.3 多目的地导航功能实现 | 第41-55页 |
| 4.3.1 定位及检索功能实现 | 第41-51页 |
| 4.3.2 导航功能实现 | 第51-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 论文总结 | 第56页 |
| 5.2 下一步研究工作 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60页 |