基于改进蚁群算法的多机器人路径规划研究
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 课题研究背景和意义 | 第13-14页 |
| 1.2 多机器人系统特点及研究的主要内容 | 第14-16页 |
| 1.2.1 多机器人系统特点 | 第14页 |
| 1.2.2 多机器人系统研究的主要内容 | 第14-16页 |
| 1.3 多机器人系统研究现状 | 第16-19页 |
| 1.4 蚁群算法研究现状 | 第19页 |
| 1.5 本文研究方法及结构安排 | 第19-21页 |
| 1.5.1 本文研究方法 | 第20页 |
| 1.5.2 本文结构安排 | 第20-21页 |
| 第2章 移动机器人路径规划相关知识 | 第21-28页 |
| 2.1 移动机器人路径规划一般方法 | 第21-22页 |
| 2.1.1 基于事例的学习规划方法 | 第21-22页 |
| 2.1.2 基于环境模型的规划方法 | 第22页 |
| 2.1.3 基于行为的路径规划方法 | 第22页 |
| 2.2 路径规划几种典型算法 | 第22-24页 |
| 2.2.1 栅格法 | 第22-23页 |
| 2.2.2 人工势场法 | 第23页 |
| 2.2.3 模糊逻辑法 | 第23页 |
| 2.2.4 神经网络法 | 第23-24页 |
| 2.2.5 遗传算法 | 第24页 |
| 2.2.6 动态规划法 | 第24页 |
| 2.3 多移动机器人路径规划方法 | 第24-27页 |
| 2.3.1 多机器人避碰规划协调技术 | 第25页 |
| 2.3.2 多机器人的避碰规划的具体方法 | 第25-27页 |
| 2.4 路径规划发展趋势 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于改进蚁群算法的机器人全局路径规划 | 第28-38页 |
| 3.1 引言 | 第28页 |
| 3.2 问题描述 | 第28页 |
| 3.3 环境建模 | 第28-31页 |
| 3.3.1 环境建模方法 | 第28-30页 |
| 3.3.2 环境建模 | 第30-31页 |
| 3.4 基本蚁群算法 | 第31-33页 |
| 3.5 改进的蚁群算法 | 第33-34页 |
| 3.5.1 自适应启发函数的改进 | 第33页 |
| 3.5.2 状态选择策略的改进 | 第33页 |
| 3.5.3 信息素分配机制的改进 | 第33-34页 |
| 3.6 改进算法流程 | 第34-35页 |
| 3.7 仿真实验及分析 | 第35-37页 |
| 3.8 本章小结 | 第37-38页 |
| 第4章 单机器人动态路径规划 | 第38-51页 |
| 4.1 引言 | 第38-39页 |
| 4.2 问题描述 | 第39-40页 |
| 4.3 滚动窗口与双层规划 | 第40-41页 |
| 4.3.1 滚动窗口 | 第40页 |
| 4.3.2 双层规划 | 第40-41页 |
| 4.4 局部路径规划 | 第41页 |
| 4.5 动态路径规划流程 | 第41-42页 |
| 4.6 滚动窗口避障规划 | 第42-46页 |
| 4.6.1 障碍物检测及局部障碍物碰撞预测 | 第42-43页 |
| 4.6.2 局部障碍物碰撞避免策略 | 第43-45页 |
| 4.6.3 移动机器人紧急避障策略 | 第45-46页 |
| 4.7 滚动窗口双层规划仿真实验及结果分析 | 第46-50页 |
| 4.8 本章小结 | 第50-51页 |
| 第5章 多机器人路径规划 | 第51-62页 |
| 5.1 引言 | 第51页 |
| 5.2 问题描述 | 第51-52页 |
| 5.3 多机器人系统设计 | 第52-53页 |
| 5.4 多机器人系统路径规划 | 第53-57页 |
| 5.4.1 第一层规划 | 第53-54页 |
| 5.4.2 第二层规划 | 第54页 |
| 5.4.3 优先级规则 | 第54页 |
| 5.4.4 多机器人之间的路径冲突预测 | 第54-55页 |
| 5.4.5 局部碰撞避免策略 | 第55-56页 |
| 5.4.6 多机器人避障规划流程 | 第56-57页 |
| 5.5 滚动窗口双层规划仿真实验及结果分析 | 第57-60页 |
| 5.6 本章小结 | 第60-62页 |
| 总结与展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第68页 |
