| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第13-24页 |
| 1.1 课题研究的意义 | 第13-15页 |
| 1.1.1 仿生优化群算法改进研究的意义 | 第13-14页 |
| 1.1.2 机器人技术研究的意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 粒子群优化算法的研究现状 | 第15-17页 |
| 1.2.2 萤火虫优化算法的研究现状 | 第17-18页 |
| 1.2.3 布谷鸟搜索算法的研究现状 | 第18-19页 |
| 1.2.4 机器人运动学逆解求解国内外研究现状 | 第19-20页 |
| 1.3 课题研究的内容及创新点 | 第20-22页 |
| 1.4 论文的章节安排 | 第22-24页 |
| 第二章 粒子群算法的改进研究 | 第24-53页 |
| 2.1 引言 | 第24页 |
| 2.2 原始粒子群优化算法 | 第24-26页 |
| 2.3 标准粒子群优化算法 | 第26-27页 |
| 2.4 混沌模拟退火粒子群算法 | 第27-40页 |
| 2.4.1 混沌模型 | 第27-28页 |
| 2.4.2 模拟退火算法 | 第28-30页 |
| 2.4.3 混沌模拟退火粒子群算法流程 | 第30-33页 |
| 2.4.4 标准测试函数 | 第33-37页 |
| 2.4.5 CSAPSO算法仿真测试 | 第37-40页 |
| 2.5 自适应动态学习因子粒子群算法 | 第40-45页 |
| 2.5.1 ADCPSO算法思想 | 第40-42页 |
| 2.5.2 ADCPSO算法仿真测试 | 第42-45页 |
| 2.6 自适应学习因子混沌主从粒子群算法 | 第45-51页 |
| 2.6.1 细菌群体感应机制 | 第46页 |
| 2.6.2 ACCMSPSO算法流程 | 第46-48页 |
| 2.6.3 ACCMSPSO与ADCPSO的仿真测试对比 | 第48-50页 |
| 2.6.4 ACCMSPSO与其它改进PSO的仿真测试对比 | 第50-51页 |
| 2.7 本章小结 | 第51-53页 |
| 第三章 萤火虫算法的改进研究 | 第53-67页 |
| 3.1 引言 | 第53页 |
| 3.2 基本萤火虫优化算法 | 第53-54页 |
| 3.3 LNAFA基本参数的选择 | 第54-56页 |
| 3.4 最小吸引度自适应变化的LNAFA | 第56-58页 |
| 3.4.1 ABLNAFA算法思想 | 第56-57页 |
| 3.4.2 ABLNAFA仿真测试 | 第57-58页 |
| 3.5 吸引度、步长自适应变化的FA | 第58-61页 |
| 3.5.1 ABAFA算法思想 | 第58-60页 |
| 3.5.2 ABAFA仿真测试 | 第60-61页 |
| 3.6 SAMSFA萤火虫算法 | 第61-66页 |
| 3.6.1 优化位置更新公式 | 第62页 |
| 3.6.2 引入模拟退火机制 | 第62页 |
| 3.6.3 引入主从族群分层进化措施 | 第62-64页 |
| 3.6.4 SAMSFA与其它改进FA的仿真测试对比 | 第64-66页 |
| 3.7 本章小结 | 第66-67页 |
| 第四章 布谷鸟搜索算法的改进研究 | 第67-82页 |
| 4.1 引言 | 第67页 |
| 4.2 布谷鸟搜索算法 | 第67-74页 |
| 4.2.1 CS算法模型 | 第67-70页 |
| 4.2.2 CS的参数选择 | 第70-74页 |
| 4.3 基于反向学习策略的CS | 第74-76页 |
| 4.3.1 反向学习策略 | 第74页 |
| 4.3.2 基于反向学习策略的CS算法思想 | 第74-75页 |
| 4.3.3 OBLCS仿真测试 | 第75-76页 |
| 4.4 局部搜索能力增强的OBLCS | 第76-80页 |
| 4.4.1 LOBLCS算法思想 | 第76-79页 |
| 4.4.2 LOBLCS仿真测试 | 第79-80页 |
| 4.5 本章小结 | 第80-82页 |
| 第五章 仿生优化群算法的混合研究 | 第82-98页 |
| 5.1 三种仿生优化群算法的对比 | 第82-85页 |
| 5.1.1 算法模型的对比 | 第82-84页 |
| 5.1.2 算法性能的对比 | 第84-85页 |
| 5.2 CS、PSO并行算法CSPSOPA | 第85-88页 |
| 5.2.1 CSPSOPA算法模型 | 第85-86页 |
| 5.2.2 CSPSOPA算法仿真测试 | 第86-88页 |
| 5.3 CS、PSO混合算法CSPSOMA | 第88-93页 |
| 5.3.1 CSPSOMA算法模型 | 第88-90页 |
| 5.3.2 CSPSOMA算法仿真测试 | 第90-93页 |
| 5.4 FA、PSO混合算法FAPSOMA | 第93-96页 |
| 5.4.1 FAPSOMA算法模型 | 第93-95页 |
| 5.4.2 FAPSOMA算法仿真测试 | 第95-96页 |
| 5.5 本章小结 | 第96-98页 |
| 第六章 仿生优化群算法在机器人运动学逆解中的应用 | 第98-139页 |
| 6.1 引言 | 第98-99页 |
| 6.2 机器人基于连杆D-H参数的运动学方程 | 第99-111页 |
| 6.2.1 连杆描述 | 第100-102页 |
| 6.2.2 连杆坐标系 | 第102-103页 |
| 6.2.3 连杆变换与运动学方程 | 第103-107页 |
| 6.2.4 机器人运动学逆解 | 第107-111页 |
| 6.3 利用ACCMSPSO求解多关节机器人运动学的逆解 | 第111-119页 |
| 6.3.1 利用ACCMSPSO求解任一逆解 | 第111-117页 |
| 6.3.2 利用ACCMSPSO求解所有逆解 | 第117-119页 |
| 6.4 利用SAMSFA求解多关节机器人运动学的逆解 | 第119-127页 |
| 6.4.1 利用SAMSFA求解任一逆解 | 第119-124页 |
| 6.4.2 利用SAMSFA求解所有逆解 | 第124-127页 |
| 6.5 利用CSPSOMA求解多关节机器人运动学的逆解 | 第127-133页 |
| 6.5.1 利用CSPSOMA求解任一逆解 | 第127-131页 |
| 6.5.2 利用CSPSOMA求解所有逆解 | 第131-133页 |
| 6.6 逆解的选择 | 第133-136页 |
| 6.7 包含优选目标的逆解步骤 | 第136-138页 |
| 6.8 本章小结 | 第138-139页 |
| 结论与展望 | 第139-141页 |
| 参考文献 | 第141-150页 |
| 攻读博士学位期间取得的研究成果 | 第150-153页 |
| 致谢 | 第153-154页 |
| 附件 | 第154页 |
