蚁群算法的研究及其在路径寻优中的应用
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 蚁群算法的研究现状 | 第11-13页 |
| 1.2.1 带精英策略的蚂蚁系统 | 第11页 |
| 1.2.2 基于优化排序的蚂蚁系统 | 第11-12页 |
| 1.2.3 蚁群系统 | 第12-13页 |
| 1.2.4 最大-最小蚂蚁系统 | 第13页 |
| 1.3 路径寻优概述 | 第13-16页 |
| 1.3.1 路径寻优的定义 | 第13-14页 |
| 1.3.2 路径寻优算法 | 第14-16页 |
| 1.4 论文的章节安排 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 蚁群算法的基本原理 | 第18-32页 |
| 2.1 蚁群算法的原理 | 第18-20页 |
| 2.2 蚁群算法的数学模型 | 第20-22页 |
| 2.3 蚁群算法的系统学特征 | 第22-24页 |
| 2.3.1 分布式 | 第23页 |
| 2.3.2 自组织 | 第23-24页 |
| 2.3.3 正反馈 | 第24页 |
| 2.4 蚁群算法的缺陷 | 第24-25页 |
| 2.5 蚁群算法的参数分析 | 第25-30页 |
| 2.5.1 蚂蚁数量对算法性能的影响 | 第26-27页 |
| 2.5.2 信息素挥发系数对算法性能的影响 | 第27-28页 |
| 2.5.3 信息启发因子对算法性能的影响 | 第28-29页 |
| 2.5.4 期望启发因子对算法性能的影响 | 第29-30页 |
| 2.6 本章小结 | 第30-32页 |
| 第三章 蚁群算法的改进 | 第32-58页 |
| 3.1 环境描述与建模 | 第32-35页 |
| 3.1.1 环境建模的分类 | 第32-33页 |
| 3.1.2 栅格法环境建模 | 第33-35页 |
| 3.2 期望函数自适应调整的改进蚁群算法 | 第35-38页 |
| 3.2.1 期望函数自适应调整的原理 | 第35-37页 |
| 3.2.2 仿真研究 | 第37-38页 |
| 3.3 带蚂蚁死亡策略的改进蚁群算法 | 第38-40页 |
| 3.3.1 研究背景 | 第38-39页 |
| 3.3.2 死亡策略的原理 | 第39-40页 |
| 3.3.3 仿真研究 | 第40页 |
| 3.4 带惩-赏机制的改进蚁群算法 | 第40-42页 |
| 3.4.1 研究背景 | 第40-41页 |
| 3.4.2 实现流程 | 第41-42页 |
| 3.4.3 仿真研究 | 第42页 |
| 3.5 带初始信息素优化策略的改进蚁群算法 | 第42-54页 |
| 3.5.1 鸟群算法的基本原理 | 第43-47页 |
| 3.5.2 鸟群算法的参数分析 | 第47-48页 |
| 3.5.3 鸟群算法的路径预规划 | 第48-49页 |
| 3.5.4 改进蚁群算法的具体流程 | 第49-50页 |
| 3.5.5 仿真研究 | 第50-54页 |
| 3.6 复合改进蚁群算法 | 第54-57页 |
| 3.6.1 实现流程 | 第54-55页 |
| 3.6.2 仿真研究 | 第55-57页 |
| 3.7 本章小结 | 第57-58页 |
| 第四章 蚁群算法在路径寻优中的应用 | 第58-72页 |
| 4.1 复合改进蚁群算法在车辆导航中的应用 | 第58-65页 |
| 4.1.1 道路网络的属性 | 第58-60页 |
| 4.1.2 基于路网属性的信息素更新规则 | 第60-63页 |
| 4.1.3 仿真实验 | 第63-65页 |
| 4.2 蚁群算法在未知环境下车辆自主避障中的应用 | 第65-71页 |
| 4.2.1 未知环境下的局部路径规划 | 第66页 |
| 4.2.2 基于极坐标法的环境建模 | 第66-67页 |
| 4.2.3 带扇形搜索策略的蚁群算法 | 第67-68页 |
| 4.2.4 仿真实验 | 第68-71页 |
| 4.3 本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 本文的主要工作 | 第72-73页 |
| 5.2 未来工作的展望 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-82页 |
| 作者在攻读硕士期间的研究成果 | 第82页 |
