| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1. 绪论 | 第10-21页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.1.1 蚁群算法的研究现状 | 第10-11页 |
| 1.1.2 蚁群算法及其研究意义 | 第11页 |
| 1.2 相关理论及研究现状 | 第11-18页 |
| 1.2.1 移动机器人路径规划问题 | 第11-15页 |
| 1.2.2 车辆运输调度问题 | 第15-17页 |
| 1.2.3 蚁群算法的应用综述 | 第17-18页 |
| 1.2.4 蚁群算法的特点及其他改进算法 | 第18页 |
| 1.3 本论文主要工作内容及创新点 | 第18-21页 |
| 2.蚁群算法及其改进 | 第21-37页 |
| 2.1 蚁群算法概述 | 第21-23页 |
| 2.1.1 蚁群算法生物学基础 | 第21页 |
| 2.1.2 蚁群算法的起源 | 第21-22页 |
| 2.1.3 蚁群行为描述 | 第22-23页 |
| 2.1.4 蚁群算法的机制原理 | 第23页 |
| 2.2 蚁群算法的实现 | 第23-27页 |
| 2.2.1 算法实现步骤 | 第25-26页 |
| 2.2.2 算法流程 | 第26-27页 |
| 2.3 其他蚁群算法 | 第27页 |
| 2.3.1 自适应调整信息素挥发因子的蚁群算法 | 第27页 |
| 2.3.2 动态自适应调整信息素的蚁群算法 | 第27页 |
| 2.4 本文改进蚁群算法 | 第27-32页 |
| 2.4.1 改进算法的基本思想 | 第27-28页 |
| 2.4.2 算法的相关定义 | 第28页 |
| 2.4.3 本文改进算法实现步骤及流程图 | 第28-32页 |
| 2.5 本文改进蚁群算法与其他改进算法基于TSP算例的仿真分析 | 第32-36页 |
| 2.6 本章小结 | 第36-37页 |
| 3.基于改进蚁群算法的移动机器人路径规划 | 第37-57页 |
| 3.1 问题描述与定义 | 第37页 |
| 3.2 环境建模 | 第37-43页 |
| 3.2.1 基于栅格法的环境建模 | 第37-39页 |
| 3.2.2 实际环境栅格化 | 第39-40页 |
| 3.2.3 栅格环境与图的逻辑对应 | 第40-42页 |
| 3.2.4 基于凹形障碍的问题描述 | 第42-43页 |
| 3.3 预备知识 | 第43-45页 |
| 3.3.1 栅格环境下改进算法描述 | 第43-44页 |
| 3.3.2 改进算法实现步骤 | 第44-45页 |
| 3.4 仿真实验及其分析 | 第45-53页 |
| 3.5 引入优化算子对机器人路径做平滑处理 | 第53-56页 |
| 3.5.1 优化算子 | 第53-54页 |
| 3.5.2 引入优化算子的路径平滑仿真 | 第54-56页 |
| 3.6 本章小结 | 第56-57页 |
| 4.基于改进蚁群算法的车辆运输调度 | 第57-65页 |
| 4.1 VRSP问题的描述及相关定义 | 第57-58页 |
| 4.2 预备知识 | 第58-60页 |
| 4.2.1 VRSP目标函数模型及相关约束 | 第58-59页 |
| 4.2.2 基于VRSP的改进蚁群算法描述及实现步骤 | 第59-60页 |
| 4.3 仿真实验及其分析 | 第60-64页 |
| 4.4 本章小结 | 第64-65页 |
| 5.总结与展望 | 第65-67页 |
| 5.1 研究工作总结 | 第65-66页 |
| 5.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表学术论文情况 | 第70-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |