| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 路径规划算法的研究现状 | 第10-13页 |
| 1.2.1 传统的路径规划算法 | 第11-12页 |
| 1.2.2 基于智能仿生算法的路径规划 | 第12-13页 |
| 1.3 蚁群算法的研究现状 | 第13-15页 |
| 1.3.1 蚁群算法研究现状 | 第13-14页 |
| 1.3.2 蚁群算法在路径规划领域的研究现状 | 第14-15页 |
| 1.4 主要研究内容 | 第15-17页 |
| 第2章 蚁群算法的优化改进 | 第17-36页 |
| 2.1 蚁群算法的原理与实现 | 第17-28页 |
| 2.1.1 蚁群算法的仿生原理 | 第17-20页 |
| 2.1.2 蚁群算法的系统学特征 | 第20-22页 |
| 2.1.3 蚁群算法的基本数学原型 | 第22-28页 |
| 2.2 蚁群算法的参数分析实验与选择 | 第28-34页 |
| 2.2.1 蚂蚁数量对算法性能的影响 | 第28-29页 |
| 2.2.2 信息素启发因子对算法性能的影响 | 第29-30页 |
| 2.2.3 期望启发因子对算法性能的影响 | 第30-32页 |
| 2.2.4 信息素挥发系数对算法性能的影响 | 第32-33页 |
| 2.2.5 本文算法参数选择的方法 | 第33-34页 |
| 2.3 蚁群算法的优化改进 | 第34-35页 |
| 2.3.1 蚁群算法改进策略 | 第34-35页 |
| 2.3.2 本文改进蚁群算法策略 | 第35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 基于改进蚁群算法的二维路径规划 | 第36-61页 |
| 3.1 二维路径规划建模 | 第36-41页 |
| 3.1.1 二维路径规划空间建模 | 第37-40页 |
| 3.1.2 二维路径规划问题描述 | 第40-41页 |
| 3.2 Dijkstra算法与蚁群算法融合改进 | 第41-49页 |
| 3.2.1 Dijkstra算法与蚁群算法融合概述 | 第41-42页 |
| 3.2.2 Dijkstra算法粗规划次优路径 | 第42-44页 |
| 3.2.3 基本蚁群算法二次规划最优路径 | 第44-49页 |
| 3.3 改进自适应角度启发式蚁群算法 | 第49-55页 |
| 3.3.1 改进角度启发函数 | 第49-51页 |
| 3.3.2 初始信息素选择性分配原则 | 第51-52页 |
| 3.3.3 改进自适应信息素更新规则 | 第52-53页 |
| 3.3.4 改进蚁群算法流程 | 第53-55页 |
| 3.4 算法改进前后实验分析 | 第55-60页 |
| 3.4.1 路径规划结果分析 | 第56-58页 |
| 3.4.2 路径规划局部多样性分析 | 第58-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第4章 基于改进蚁群算法的三维路径规划 | 第61-79页 |
| 4.1 三维路径规划建模 | 第61-64页 |
| 4.1.1 栅格格法三维路径规划空间建模 | 第62-63页 |
| 4.1.2 三维路径规划空间模型 | 第63-64页 |
| 4.2 改进蚁群算法在三维路径规划空间中构建 | 第64-72页 |
| 4.2.1 蚁群搜索策略 | 第64-66页 |
| 4.2.2 构造多元化启发式函数 | 第66-69页 |
| 4.2.3 状态概率转移规则 | 第69页 |
| 4.2.4 信息素自适应更新 | 第69-70页 |
| 4.2.5 算法实现流程 | 第70-72页 |
| 4.3 改进算法性能指标及实验仿真分析 | 第72-78页 |
| 4.3.1 算法的性能指标分析 | 第72-73页 |
| 4.3.2 实验仿真分析 | 第73-78页 |
| 4.4 本章小结 | 第78-79页 |
| 结论 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 攻读硕士学位期间发表的成果 | 第85-86页 |
| 致谢 | 第86页 |