基于蚁群算法的机器人路径规划问题研究
摘要 | 第5-6页 |
Abstract | 第6页 |
目录 | 第7-10页 |
第1章 绪论 | 第10-14页 |
1.1 移动机器人路径规划背景和意义 | 第10-11页 |
1.2 移动机器人路径规划的国内外发展现状 | 第11-12页 |
1.2.1 移动机器人路径规划的国外发展现状 | 第11页 |
1.2.2 移动机器人路径规划的国内发展现状 | 第11-12页 |
1.3 移动机器人路径规划的研究方向 | 第12-13页 |
1.4 论文的主要内容安排 | 第13-14页 |
第2章 移动机器人路径规划问题综述及分析 | 第14-24页 |
2.1 移动机器人路径规划问题介绍 | 第14-15页 |
2.2 移动机器人路径规划问题的环境建模 | 第15页 |
2.3 移动机器路径规划的分类 | 第15-16页 |
2.4 移动机器人路径规划问题的传统求解方法 | 第16-20页 |
2.4.1 可视图法 | 第16-17页 |
2.4.2 自由空间法 | 第17页 |
2.4.3 拓扑图法 | 第17-18页 |
2.4.4 栅格解耦法 | 第18-19页 |
2.4.5 人工势场法 | 第19-20页 |
2.5 基于智能算法的移动机器人的路径规划 | 第20-22页 |
2.5.1 模糊逻辑法 | 第20-21页 |
2.5.2 遗传算法 | 第21页 |
2.5.3 神经网络法 | 第21-22页 |
2.5.4 蚁群算法 | 第22页 |
2.6 本章小结 | 第22-24页 |
第3章 移动机器人路径规划算法研究 | 第24-38页 |
3.1 蚁群算法概述 | 第24页 |
3.2 基本蚁群算法的原理 | 第24-32页 |
3.2.1 蚁群算法的产生 | 第24-26页 |
3.2.2 蚁群算法的著名实验——双桥实验 | 第26-29页 |
3.2.3 蚁群的行为特征和系统学特征 | 第29-30页 |
3.2.4 蚁群算法的基本原型——TSP问题 | 第30-32页 |
3.3 基本蚁群算法的实现 | 第32-34页 |
3.4 改进蚁群优化算法的介绍 | 第34-35页 |
3.4.1 蚂蚁系统的优点和缺陷 | 第34页 |
3.4.2 蚂蚁系统的改进方法 | 第34-35页 |
3.5 蚁群算法的评价指标 | 第35-36页 |
3.6 本章小结 | 第36-38页 |
第4章 基于改进蚁群算法的移动机器人二维路径规划 | 第38-54页 |
4.1 移动机器人二维路径规划的系统建模 | 第38-41页 |
4.1.1 机器人环境空间模型的建立 | 第38-40页 |
4.1.2 二维路径规划问题的描述和定义 | 第40-41页 |
4.2 蚁群算法搜索策略的改进 | 第41-46页 |
4.2.1 分组并行搜索策略和相遇策略 | 第41-43页 |
4.2.2 路径选择的启发式概率公式 | 第43页 |
4.2.3 蚁群算法与遗传算法融合 | 第43-44页 |
4.2.4 蚂蚁回退策略 | 第44-46页 |
4.3 改进型蚁群算法及在机器人路径规划上的应用 | 第46-47页 |
4.3.1 改进型蚁群算法的简单描述 | 第46页 |
4.3.2 算法参数的讨论 | 第46-47页 |
4.4 算法的仿真设计与分析 | 第47-53页 |
4.4.1 改进蚁群算法的步骤 | 第48-49页 |
4.4.2 仿真结果及分析 | 第49-53页 |
4.5 本章小结 | 第53-54页 |
第5章 基于蚁群算法的机器人三维路径规划研究 | 第54-64页 |
5.1 移动机器人三维路径规划问题系统建模 | 第54-57页 |
5.1.1 移动机器人环境空间模型的建立 | 第54-55页 |
5.1.2 三维路径规划问题的描述和定义 | 第55-57页 |
5.2 移动机器人三维路径规划搜索策略 | 第57-60页 |
5.2.1 三维空间信息素的表示方法 | 第57-58页 |
5.2.2 三维空间路径选择的启发概率公式 | 第58-59页 |
5.2.3 三维路径上信息素的更新策略 | 第59-60页 |
5.3 基于蚁群算法的三维路径规划算法流程 | 第60-61页 |
5.4 机器人三维路径规划的仿真实验 | 第61-62页 |
5.5 本章小结 | 第62-64页 |
第6章 总结与展望 | 第64-66页 |
6.1 论文总结 | 第64页 |
6.2 展望 | 第64-66页 |
致谢 | 第66-68页 |
参考文献 | 第68-70页 |