首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于改进蚁群算法的移动机器人路径规划

摘要第1-4页
ABSTRACT第4-8页
1 绪论第8-17页
   ·课题研究背景及意义第8-9页
   ·机器人技术的国内外发展现状第9-10页
   ·机器人路径规划概述第10-16页
     ·路径规划方法概述第10-11页
     ·路径规划方法分类第11-16页
   ·论文的研究内容和组织结构第16-17页
     ·论文研究的主要内容第16页
     ·论文的组织结构第16-17页
2 蚁群算法基本原理及应用第17-27页
   ·引言第17页
   ·基本蚁群算法的原理第17-19页
   ·基本蚁群算法的数学模型第19-22页
   ·基本蚁群算法的具体实现第22页
     ·基本蚁群算法的实现步骤第22页
     ·基本蚁群算法的程序结构流程图第22页
   ·基本蚁群算法的性能评价指标第22-24页
   ·蚁群算法的优缺点第24-25页
   ·蚁群算法的应用第25-26页
     ·在动态组合优化中的应用第25页
     ·在动态组合优化中的应用第25-26页
   ·本章小结第26-27页
3 基于蚁群算法的机器人路径规划改进策略第27-43页
   ·环境建模第27-29页
   ·问题的描述与定义第29页
   ·栅格环境到图的逻辑对应关系第29-31页
   ·基于蚁群算法的机器人路径规划第31-32页
     ·算法的简单描述第31页
     ·算法的步骤第31-32页
     ·算法的流程图第32页
   ·蚂蚁的完全凸处理策略第32-37页
     ·蚂蚁的完全凸处理策略第32-35页
     ·实验结果与分析第35-37页
   ·蚂蚁的相遇策略第37-39页
   ·蚂蚁的惩罚策略第39-41页
     ·蚂蚁惩罚策略的提出第39-40页
     ·带惩罚策略的蚁群算法的实现步骤第40页
     ·实验结果与分析第40-41页
   ·本章小结第41-43页
4 与遗传算法融合的改进蚁群算法的路径规划第43-52页
   ·遗传算法的机器人路径规划第43-47页
     ·遗传算法简介第43-44页
     ·基于遗传算法的机器人路径规划第44-47页
   ·基于 ACO-GA 算法的机器人路径规划第47-51页
     ·ACO-GA 算法的提出第47-49页
     ·基于 ACO-GA 算法的机器人路径规划第49-51页
   ·本章小结第51-52页
5 仿真实验及实验结果分析第52-59页
   ·仿真环境第52-54页
     ·软件环境第52页
     ·硬件环境第52页
     ·仿真系统界面第52-53页
     ·参数的选取第53-54页
   ·实验结果与分析第54-58页
   ·本章小结第58-59页
6 结论第59-61页
   ·总结第59页
   ·展望第59-61页
致谢第61-62页
参考文献第62-66页
附录第66页

论文共66页,点击 下载论文
上一篇:基于粒子群优化算法的移动机器人路径规划研究
下一篇:岩体形变实时监测系统研究