| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 1 绪论 | 第12-18页 |
| ·引言 | 第12页 |
| ·路径规划的国内外现状及蚁群算法的研究进展 | 第12-15页 |
| ·移动机器人的路径规划研究的国内外现状 | 第12-13页 |
| ·蚁群算法应用研究现状 | 第13-15页 |
| ·本课题选题意义、研究任务和拟解决的关键问题 | 第15-18页 |
| ·选题的意义 | 第15-16页 |
| ·本课题的研究任务 | 第16页 |
| ·研究计划和拟解决的关键问题 | 第16-18页 |
| 2 移动机器人路径规划和蚁群算法概况 | 第18-33页 |
| ·引言 | 第18页 |
| ·路径规划概述 | 第18-19页 |
| ·路径规划问题的分类 | 第19-21页 |
| ·路径规划方法 | 第21-23页 |
| ·蚁群算法研究 | 第23-31页 |
| ·蚁群算法概述 | 第23页 |
| ·蚁群算法的基本原理 | 第23-26页 |
| ·基本蚁群算法的数学模型 | 第26-29页 |
| ·基本蚁群算法的性能评价指标 | 第29-30页 |
| ·基本蚁群算法的实现 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 3 基于改进蚁群算法的机器人路径规划 | 第33-53页 |
| ·引言 | 第33页 |
| ·环境建模 | 第33-35页 |
| ·问题描述与定义 | 第35-36页 |
| ·图与栅格环境的逻辑对应关系 | 第36-37页 |
| ·改进蚁群算法及实现 | 第37-41页 |
| ·蚂蚁变异策略 | 第37-38页 |
| ·带交叉点的路径交叉策略 | 第38-39页 |
| ·改进算法的算法描述 | 第39页 |
| ·改进算法的步骤 | 第39-41页 |
| ·改进算法的程序结构流程图 | 第41页 |
| ·仿真实验 | 第41-42页 |
| ·基于蚁群算法的动态路径规划 | 第42-46页 |
| ·动态路径规划简介 | 第42-43页 |
| ·基于蚁群算法动态路径规划的关键性问题 | 第43-45页 |
| ·简单动态避障 | 第45-46页 |
| ·实验 | 第46-52页 |
| ·直线路径跟随实验 | 第46-49页 |
| ·改进算法路径规划实验 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 4 仿真实验及结果分析 | 第53-71页 |
| ·引言 | 第53-54页 |
| ·软件环境 | 第53-54页 |
| ·硬件配置与系统环境 | 第54页 |
| ·仿真系统的描述 | 第54-55页 |
| ·仿真结果及结果分析 | 第55-69页 |
| ·实验相关参数的初始化 | 第55-56页 |
| ·路径规划仿真 | 第56-69页 |
| ·各算法性能的比较 | 第69-70页 |
| ·遗传算法(Genetic Algorithm) | 第69-70页 |
| ·模拟退火算法(Simulated Annealing Algorithm) | 第70页 |
| ·人工神经网络算法(Artificial Neural Network Approach) | 第70页 |
| ·本章小结 | 第70-71页 |
| 5 基于马尔科夫过程的蚁群算法路径规划收敛性分析 | 第71-84页 |
| ·引言 | 第71页 |
| ·马尔科夫链的定义 | 第71-73页 |
| ·马尔科夫链的遍历性 | 第73-74页 |
| ·蚁群算法的马尔科夫链的单调性 | 第74页 |
| ·基于马尔科夫过程的最短路的蚁群算法收敛性分析 | 第74-78页 |
| ·改善算法收敛性的途径 | 第78页 |
| ·仿真算例 | 第78-83页 |
| ·本章小结 | 第83-84页 |
| 6 总结与展望 | 第84-87页 |
| ·总结 | 第84-85页 |
| ·展望 | 第85-87页 |
| 参考文献 | 第87-90页 |
| 攻读学位期间取得的研究成果 | 第90-91页 |
| 致谢 | 第91页 |