基于自适应隔离小生境遗传算法的足球机器人路径规划
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-12页 |
| 第一章 绪论 | 第12-18页 |
| ·问题的提出 | 第12-13页 |
| ·课题的研究背景与意义 | 第13-15页 |
| ·机器人足球概述 | 第13页 |
| ·足球机器人路径规划特点 | 第13-14页 |
| ·研究意义 | 第14-15页 |
| ·国内外的研究现状 | 第15-17页 |
| ·本文的研究内容及组织结构 | 第17-18页 |
| ·本文的研究内容 | 第17页 |
| ·本文的组织结构 | 第17-18页 |
| 第二章 足球机器人路径规划典型方法的研究 | 第18-29页 |
| ·引言 | 第18页 |
| ·路径规划典型方法的研究 | 第18-27页 |
| ·基于人工势场法的路径规划 | 第18-21页 |
| ·基于栅格法的路径规划 | 第21-22页 |
| ·基于神经网络算法的路径规划 | 第22-24页 |
| ·基于Q-学习的路径规划 | 第24-26页 |
| ·基于遗传算法的路径规划 | 第26-27页 |
| ·各种方法的综合分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 自适应遗传算法的改进 | 第29-45页 |
| ·遗传算法特点及流程 | 第29-31页 |
| ·遗传算法的组成 | 第31-39页 |
| ·编码 | 第31页 |
| ·初始种群的产生 | 第31-32页 |
| ·评价函数 | 第32页 |
| ·遗传操作算子 | 第32-38页 |
| ·算法的终止条件 | 第38页 |
| ·算法参数设置 | 第38-39页 |
| ·自适应遗传算法的改进 | 第39-43页 |
| ·遗传算法存在问题 | 第39-41页 |
| ·自适应遗传算法AGA的改进 | 第41-43页 |
| ·实验结果 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 小生境遗传算法的改进 | 第45-52页 |
| ·小生境技术及实现方法 | 第45-48页 |
| ·小生境技术 | 第45页 |
| ·基于预选择的小生境实现方法 | 第45-46页 |
| ·基于排挤的小生境实现方法 | 第46-47页 |
| ·基于共享函数的小生境实现方法 | 第47-48页 |
| ·基于隔离的小生境实现方法 | 第48页 |
| ·隔离小生境遗传算法INGA的改进 | 第48-49页 |
| ·AINGA算法描述 | 第49-50页 |
| ·实验结果 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于AINGA的足球机器人路径规划 | 第52-64页 |
| ·足球机器人路径规划问题的多目标优化 | 第52-53页 |
| ·足球机器人路径规划的多目标优化模型 | 第53-55页 |
| ·运动模型 | 第53-54页 |
| ·体力模型 | 第54-55页 |
| ·AINGA中的遗传操作 | 第55-58页 |
| ·染色体的表示以及种群的初始化 | 第55-56页 |
| ·路径评价适应度函数 | 第56页 |
| ·遗传操作 | 第56-58页 |
| ·仿真实验结果及分析 | 第58-63页 |
| ·仿真环境 | 第58页 |
| ·仿真结果 | 第58-62页 |
| ·结果分析及结论 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 结论与展望 | 第64-66页 |
| ·结论 | 第64-65页 |
| ·今后的工作 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 在学期间发表的论文 | 第70页 |
