群智能优化算法在路径规划中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·路径规划的研究现状 | 第10-12页 |
| ·群智能优化算法的研究现状 | 第12-13页 |
| ·本文研究目标与研究内容 | 第13页 |
| ·论文的特色和创新之处 | 第13-14页 |
| ·论文的章节安排 | 第14-15页 |
| 第2章 群智能优化算法研究 | 第15-31页 |
| ·群智能优化算法概述 | 第17-18页 |
| ·蚁群优化算法 | 第18-22页 |
| ·算法描述 | 第18-20页 |
| ·算法步骤 | 第20-21页 |
| ·蚁群优化算法改进模型 | 第21-22页 |
| ·粒子群优化算法 | 第22-24页 |
| ·算法描述 | 第22-23页 |
| ·基本PSO算法步骤 | 第23页 |
| ·粒子群优化算法改进模型 | 第23-24页 |
| ·人工蜂群算法 | 第24-26页 |
| ·算法描述 | 第25页 |
| ·算法步骤 | 第25-26页 |
| ·人工鱼群算法 | 第26-28页 |
| ·算法描述 | 第27-28页 |
| ·算法步骤 | 第28页 |
| ·小结 | 第28-31页 |
| 第3章 机器人全局路径规划的蚁群优化算法应用 | 第31-37页 |
| ·环境建模 | 第31-32页 |
| ·路径表示 | 第32页 |
| ·基于蚁群优化算法的路径规划 | 第32-33页 |
| ·避免碰撞策略 | 第32-33页 |
| ·状态转移函数 | 第33页 |
| ·算法步骤 | 第33-34页 |
| ·仿真实验与分析 | 第34-36页 |
| ·小结 | 第36-37页 |
| 第4章 机器人全局路径规划的粒子群优化算法应用 | 第37-51页 |
| ·环境建模 | 第37-38页 |
| ·碰撞检测 | 第38-39页 |
| ·基于二阶振荡粒子群算法路径规划 | 第39-44页 |
| ·二阶振荡粒子群算法 | 第39-40页 |
| ·算法应用相关问题描述 | 第40-42页 |
| ·算法步骤 | 第42页 |
| ·仿真实验结果与分析 | 第42-44页 |
| ·基于混合正交粒子群算法的路径规划 | 第44-49页 |
| ·混合正交粒子群算法 | 第44-45页 |
| ·算法应用相关问题描述 | 第45-47页 |
| ·算法步骤 | 第47页 |
| ·仿真实验结果与分析 | 第47-49页 |
| ·小结 | 第49-51页 |
| 第5章 机器人动态路径规划的人工蜂群算法应用 | 第51-61页 |
| ·动态环境表示 | 第51-52页 |
| ·时间滚动窗口策略 | 第52-53页 |
| ·基于人工蜂群算法的局部路径规划 | 第53-57页 |
| ·局部路径规划描述 | 第53-54页 |
| ·碰撞检测 | 第54-56页 |
| ·蜜源位置编码 | 第56页 |
| ·个体适应度函数 | 第56-57页 |
| ·算法步骤 | 第57-58页 |
| ·仿真实验与分析 | 第58-60页 |
| ·小结 | 第60-61页 |
| 第6章 无人机航路规划的人工鱼群算法应用 | 第61-69页 |
| ·环境模型建立 | 第61-62页 |
| ·航路表示 | 第62页 |
| ·基于人工鱼群算法的航路规划 | 第62-64页 |
| ·人工鱼个体编码 | 第62-63页 |
| ·威胁检测 | 第63页 |
| ·个体评价函数 | 第63-64页 |
| ·算法步骤 | 第64页 |
| ·仿真实验结果与分析 | 第64-67页 |
| ·小结 | 第67-69页 |
| 第7章 总结与展望 | 第69-71页 |
| ·总结 | 第69-70页 |
| ·未来展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间的研究成果 | 第76-77页 |
| 论文情况 | 第76页 |
| 项目情况 | 第76-77页 |
