基于递归神经网络的移动机器人路径规划方法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第10-17页 |
| ·引言 | 第10-11页 |
| ·课题的选题背景及研究意义 | 第11-12页 |
| ·移动机器人路径规划研究现状 | 第12-15页 |
| ·人工势场法 | 第12-13页 |
| ·神经网络法 | 第13-15页 |
| ·进化机器人法 | 第15页 |
| ·本文的研究内容和安排 | 第15-17页 |
| 第二章 递归神经网络 | 第17-24页 |
| ·引言 | 第17页 |
| ·递归神经网络体系结构 | 第17-20页 |
| ·全局反馈递归网络 | 第17-18页 |
| ·部分反馈递归网络 | 第18-20页 |
| ·递归神经网络学习算法 | 第20-21页 |
| ·递归神经网络的训练方式 | 第20页 |
| ·通过时间的反向传播算法 | 第20-21页 |
| ·实时递归学习算法 | 第21页 |
| ·递归神经网络稳定性分析 | 第21-22页 |
| ·本章小节 | 第22-24页 |
| 第三章 基于进化算法的递归神经网络设计 | 第24-33页 |
| ·引言 | 第24页 |
| ·进化算法简介 | 第24-26页 |
| ·改进的进化递归神经网络 | 第26-31页 |
| ·种群多样性的度量 | 第27页 |
| ·自适应模拟退火适应度评估 | 第27-28页 |
| ·变异算子的改进 | 第28-29页 |
| ·交叉概率和变异概率的自适应调整 | 第29-31页 |
| ·仿真实验 | 第31页 |
| ·本章小节 | 第31-33页 |
| 第四章 基于递归神经网络的路径规划方法 | 第33-40页 |
| ·引言 | 第33-34页 |
| ·神经网络模型 | 第34-36页 |
| ·神经网络体系结构 | 第34页 |
| ·神经元动态特性 | 第34-35页 |
| ·神经网络的稳定性分析 | 第35-36页 |
| ·路径规划算法 | 第36-37页 |
| ·仿真实验 | 第37-38页 |
| ·模型参数的影响 | 第38-39页 |
| ·本章小节 | 第39-40页 |
| 第五章 基于递归神经网络的进化机器人路径规划 | 第40-49页 |
| ·引言 | 第40-41页 |
| ·实验环境 | 第41-42页 |
| ·神经网络控制器 | 第42-43页 |
| ·改进的进化递归神经网络控制器设计 | 第43-46页 |
| ·编码方案 | 第43页 |
| ·适应度评估 | 第43-44页 |
| ·变异算子 | 第44页 |
| ·交叉概率和变异概率 | 第44-45页 |
| ·机器人学习算法 | 第45-46页 |
| ·仿真结果与分析 | 第46-47页 |
| ·本章小节 | 第47-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·总结 | 第49页 |
| ·进一步研究工作展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士学位期间所完成的论文 | 第55-56页 |
| 学位论文评阅及答辩情况表 | 第56页 |
