| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·课题来源 | 第7-8页 |
| ·移动机器人路径规划定义及特点 | 第8页 |
| ·机器人路径规划方法概述 | 第8-11页 |
| ·基于环境模型的规划方法 | 第8-10页 |
| ·基于行为的规划方法 | 第10-11页 |
| ·移动机器人路径规划发展趋势 | 第11-12页 |
| ·课题研究意义 | 第12页 |
| ·本文主要内容 | 第12-14页 |
| 第二章 基于混合式架构的移动机器人路径规划平台 | 第14-20页 |
| ·机械平台 | 第14-15页 |
| ·传感/控制子系统 | 第15-16页 |
| ·智能和决策子系统 | 第16-18页 |
| ·分层式架构 | 第16页 |
| ·包容式架构 | 第16-17页 |
| ·混合式架构 | 第17-18页 |
| ·机器人运动控制界面 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 蚁群算法原理及改进算法 | 第20-34页 |
| ·蚁群算法简介 | 第20-22页 |
| ·几种典型的蚁群算法 | 第22-24页 |
| ·带精英策略的蚂蚁系统 | 第22页 |
| ·基于优化排序的蚂蚁系统 | 第22-23页 |
| ·最大-最小蚂蚁系统 | 第23页 |
| ·最优-最差蚂蚁系统 | 第23-24页 |
| ·蚁群算法参数选择 | 第24-28页 |
| ·蚁群数量的选择 | 第24-26页 |
| ·启发式因子的选择 | 第26-27页 |
| ·总信息量的选择 | 第27页 |
| ·信息素挥发度的选择 | 第27-28页 |
| ·蚁群算法的改进 | 第28-33页 |
| ·对状态转移参数q_0的动态调整 | 第28-29页 |
| ·引入OBL思想对信息素进行处理 | 第29-30页 |
| ·信息素更新规则的调整 | 第30-31页 |
| ·将以上3处改进同时加入蚁群算法 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于改进蚁群算法的移动机器人全局路径规划及实现 | 第34-48页 |
| ·环境模型及相关定义 | 第34-36页 |
| ·基于栅格的环境模型 | 第34-35页 |
| ·相关定义 | 第35-36页 |
| ·基于改进蚁群算法的全局路径规划算法 | 第36-40页 |
| ·障碍物的处理 | 第36-37页 |
| ·信息素的存储处理 | 第37页 |
| ·距离启发信息调整 | 第37-38页 |
| ·新的评价标准 | 第38-39页 |
| ·基于改进蚁群算法的全局路径规划流程 | 第39-40页 |
| ·实验结果及分析 | 第40-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 动态路径规划及实现 | 第48-55页 |
| ·信息初始化 | 第48页 |
| ·路径规划的局部避碰策略 | 第48-50页 |
| ·动态障碍物探测 | 第48-49页 |
| ·碰撞点预测 | 第49-50页 |
| ·局部避碰策略 | 第50页 |
| ·动态规划算法 | 第50-52页 |
| ·实验结果及分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61-84页 |
| 致谢 | 第84-85页 |
| 攻读硕士期间完成的研究成果 | 第85页 |