基于改进蚁群算法的机器人路径规划研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·蚁群算法的国内外研究进展 | 第10-11页 |
| ·机器人路径规划的国内外研究进展 | 第11-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| 第2章 基本蚁群算法 | 第14-23页 |
| ·基本蚁群算法的原理及模型 | 第14-20页 |
| ·蚂蚁算法的基本原理 | 第14-16页 |
| ·蚂蚁系统模型的建立 | 第16-18页 |
| ·基本蚁群算法的算法描述 | 第18-20页 |
| ·蚁群算法特点 | 第20-21页 |
| ·人工蚂蚁系统与真实蚂蚁系统的比较 | 第20页 |
| ·蚁群算法的优缺点 | 第20-21页 |
| ·蚁群算法的应用 | 第21-22页 |
| ·在动态组合优化中的应用 | 第21页 |
| ·在动态组合优化中的应用 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于遗传机制的蚁群算法 | 第23-38页 |
| ·蚁群系统(ACS) | 第23-25页 |
| ·最大最小蚂蚁系统(MMAS) | 第25-26页 |
| ·蚂蚁优化算法(ACO) | 第26-28页 |
| ·基于遗传机制的蚁群算法(GMACO) | 第28-37页 |
| ·蚂蚁算法、遗传算法混合的可行性与优越性 | 第28页 |
| ·遗传蚂蚁算法(GAAA) | 第28-30页 |
| ·基于遗传机制的蚁群算法(GMACO) | 第30-32页 |
| ·基于遗传机制的蚁群算法简单描述 | 第32页 |
| ·基于遗传机制的蚁群算法的步骤 | 第32-34页 |
| ·TSP的仿真试验 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于多种转移策略的改进蚁群算法及其应用 | 第38-56页 |
| ·路径规划问题的环境表达 | 第38-39页 |
| ·环境建模 | 第39-42页 |
| ·问题描述与定义 | 第42-44页 |
| ·基于蚁群系统的机器人路径规划 | 第44-45页 |
| ·算法的简单描述 | 第44页 |
| ·蚁群系统的实现 | 第44-45页 |
| ·基于多种转移策略的改进蚁群算法及实现 | 第45-55页 |
| ·蚂蚁回退策略 | 第45-46页 |
| ·目标吸引策略 | 第46-47页 |
| ·参数自适应调整策略 | 第47-48页 |
| ·路径优化策略 | 第48-49页 |
| ·基于多种转移策略的改进蚁群算法的步骤 | 第49-50页 |
| ·机器人路径优化的仿真实验 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 基于遗传机制的蚁群算法的机器人路径规划 | 第56-69页 |
| ·基于遗传机制的蚁群算法 | 第56-58页 |
| ·遗传算法与蚂蚁算法的融合(GAAA) | 第56-57页 |
| ·基于遗传机制的蚁群算法(GMACO) | 第57-58页 |
| ·蚂蚁当前位置到目标位置的视觉探视 | 第58-59页 |
| ·信息素更新规则 | 第59-61页 |
| ·信息素局部更新规则 | 第60页 |
| ·信息素全局更新规则 | 第60-61页 |
| ·路径选择策略 | 第61页 |
| ·基于遗传机制的蚁群算法的简单描述 | 第61-62页 |
| ·基于遗传机制的蚁群算法的步骤 | 第62-63页 |
| ·机器人路径规划的仿真实验 | 第63-67页 |
| ·本章小结 | 第67-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读学位期间发表的学术论文 | 第75-77页 |
| 致谢 | 第77页 |
