| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-17页 |
| 1.1 引言 | 第11页 |
| 1.2 课题研究背景 | 第11-12页 |
| 1.3 国内外路径规划的研究现状 | 第12-14页 |
| 1.3.1 路径规划问题定义 | 第12-13页 |
| 1.3.2 移动机器人路径规划的研究现状 | 第13页 |
| 1.3.3 移动机器人路径规划发展趋势 | 第13-14页 |
| 1.4 研究意义 | 第14-15页 |
| 1.5 课题研究的主要内容 | 第15-17页 |
| 1.5.1 课题的研究任务 | 第15页 |
| 1.5.2 论文的结构安排 | 第15-17页 |
| 2 遗传算法 | 第17-29页 |
| 2.1 遗传算法简介 | 第17页 |
| 2.2 遗传算法的研究进展 | 第17-19页 |
| 2.3 遗传算法的基本原理 | 第19-29页 |
| 2.3.1 遗传算法的编码设计 | 第19-20页 |
| 2.3.2 遗传算法的初始种群 | 第20页 |
| 2.3.3 遗传算法的适应度函数 | 第20-21页 |
| 2.3.4 遗传算法的选择算子 | 第21-22页 |
| 2.3.5 遗传算法的交叉算子 | 第22-24页 |
| 2.3.6 基本遗传算法的变异算子 | 第24-25页 |
| 2.3.7 基本遗传算法的基本流程 | 第25-29页 |
| 3 基于遗传算法的移动机器人路径规划 | 第29-62页 |
| 3.1 环境模型的建立 | 第29-33页 |
| 3.2 遗传算法路径规划方法设计 | 第33-62页 |
| 3.2.1 个体编码方法 | 第33-34页 |
| 3.2.2 初始种群的产生 | 第34-36页 |
| 3.2.2.1 利用先验知识指导种群初始化 | 第34-35页 |
| 3.2.2.2 插入算子 | 第35-36页 |
| 3.2.3 适应度函数的确定 | 第36页 |
| 3.2.4 遗传操作的设计 | 第36-41页 |
| 3.2.4.1 选择操作 | 第36页 |
| 3.2.4.2 改进的交叉操作 | 第36-37页 |
| 3.2.4.3 改进的变异操作 | 第37-41页 |
| 3.2.5 改进的自适应调整 | 第41-43页 |
| 3.2.6 精英保存策略 | 第43页 |
| 3.2.7 模拟退火算法的Metropolis准则 | 第43-48页 |
| 3.2.7.1 模拟退火算法理论概述 | 第43-45页 |
| 3.2.7.2 引入Metropolis准则 | 第45-48页 |
| 3.2.8 仿真实验及结果分析 | 第48-62页 |
| 4 移动机器人的硬件设计 | 第62-81页 |
| 4.1 机器人的大脑——控制器 | 第62-63页 |
| 4.1.1 基于单片机的控制器 | 第62页 |
| 4.1.2 基于嵌入式系统的控制器 | 第62-63页 |
| 4.2 机器人的肌肉——执行器 | 第63-65页 |
| 4.3 机器人的骨骼——机械结构 | 第65-66页 |
| 4.4 实验分析 | 第66-80页 |
| 4.5 本章小结 | 第80-81页 |
| 5 总结和展望 | 第81-83页 |
| 5.1 总结 | 第81-82页 |
| 5.2 展望 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 附录 | 第86-104页 |
| 附录A：改进遗传算法程序 | 第86-100页 |
| 主程序 | 第86-94页 |
| 变异操作程序 | 第94-100页 |
| 附录B：移动机器人运动程序 | 第100-104页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第104-105页 |
| 1 个人简历 | 第104页 |
| 2 学术论文 | 第104-105页 |
| 致谢 | 第105页 |