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 |