| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 课题的研究背景 | 第8-9页 |
| 1.2 移动机器人路径规划方法研究现状 | 第9-19页 |
| 1.2.1 栅格法 | 第9-10页 |
| 1.2.2 A~*搜索算法 | 第10-11页 |
| 1.2.3 人工势场法 | 第11-13页 |
| 1.2.4 遗传算法 | 第13-15页 |
| 1.2.5 蚁群算法 | 第15-17页 |
| 1.2.6 模糊逻辑算法 | 第17-18页 |
| 1.2.7 神经网络算法 | 第18-19页 |
| 1.3 本文的主要研究内容和文章结构 | 第19-20页 |
| 第2章 双种群混合粒子群算法DHPSO | 第20-32页 |
| 2.1 基本粒子群算法 | 第20-22页 |
| 2.2 改进粒子群算法 | 第22-26页 |
| 2.2.1 惯性权重粒子群算法 | 第22-23页 |
| 2.2.2 压缩因子粒子群算法 | 第23页 |
| 2.2.3 分组粒子群算法 | 第23-24页 |
| 2.2.4 动态邻域粒子群算法 | 第24-25页 |
| 2.2.5 混合粒子群算法 | 第25-26页 |
| 2.3 双种群混合粒子群算法DHPSO | 第26页 |
| 2.4 粒子群算法仿真实验 | 第26-31页 |
| 2.4.1 仿真函数 | 第26-27页 |
| 2.4.2 混合方法效果对比 | 第27-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于神经网络和DHPSO的路径规划方法综述 | 第32-54页 |
| 3.1 方法概述 | 第32页 |
| 3.2 神经网络在路径规划中的应用 | 第32-41页 |
| 3.2.1 多层前向网络 | 第32-33页 |
| 3.2.2 hopfield神经网络 | 第33-35页 |
| 3.2.3 模糊神经网络 | 第35-36页 |
| 3.2.4 ART神经网络 | 第36-37页 |
| 3.2.5 SOM神经网络 | 第37-39页 |
| 3.2.6 RBF神经网络 | 第39-41页 |
| 3.3 用神经网络表示环境信息 | 第41-43页 |
| 3.4 子路径规划目标点的选择 | 第43-44页 |
| 3.5 子路径规划算法 | 第44-48页 |
| 3.6 子路径优化 | 第48-49页 |
| 3.7 关于路径规划的几点思考 | 第49-52页 |
| 3.7.1 评价函数对路径规划的影响 | 第49-50页 |
| 3.7.2 关于坐标转换 | 第50-52页 |
| 3.7.3 粒子群算法的局限 | 第52页 |
| 3.8 本章小结 | 第52-54页 |
| 第4章 路径规划仿真实验 | 第54-61页 |
| 4.1 简单静态环境下路径规划仿真结果 | 第54-56页 |
| 4.2 复杂静态环境下路径规划仿真结果 | 第56-57页 |
| 4.3 动态环境下路径规仿真结果 | 第57-59页 |
| 4.4 二维编码下的路径规划与凹形障碍物 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |