基于遗传算法的无人驾驶汽车路径规划技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 无人驾驶汽车国内外研究现状 | 第10-13页 |
| 1.3 无人驾驶车辆研究的关键技术 | 第13-15页 |
| 1.4 本文的主要研究内容 | 第15-16页 |
| 第二章 无人驾驶汽车路径规划 | 第16-22页 |
| 2.1 路径规划概述 | 第16-17页 |
| 2.2 传统的路径规划方法 | 第17-21页 |
| 2.2.1 位姿空间法 | 第17页 |
| 2.2.2 图搜索法 | 第17-19页 |
| 2.2.3 人工势场法 | 第19页 |
| 2.2.4 模糊逻辑算法 | 第19-20页 |
| 2.2.5 蚁群算法 | 第20-21页 |
| 2.3 本文采用的路径规划方法 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 遗传算法概述 | 第22-38页 |
| 3.1 遗传算法的发展历史 | 第22-23页 |
| 3.2 遗传算法的特点 | 第23-24页 |
| 3.3 遗传算法的应用 | 第24-27页 |
| 3.4 遗传算法的基本原理 | 第27-28页 |
| 3.5 遗传算法的算法流程 | 第28-37页 |
| 3.5.1 遗传算法的主要算法流程 | 第28-30页 |
| 3.5.2 编码方式 | 第30-31页 |
| 3.5.3 适应度函数 | 第31-33页 |
| 3.5.4 选择算子 | 第33-34页 |
| 3.5.5 交叉算子 | 第34-35页 |
| 3.5.6 变异算子 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 基于遗传算法的路径规划 | 第38-56页 |
| 4.1 路径规划描述 | 第38-39页 |
| 4.2 病毒遗传策略 | 第39-40页 |
| 4.3 路径规划算法 | 第40-50页 |
| 4.3.1 GA编码 | 第40页 |
| 4.3.2 目标函数 | 第40-41页 |
| 4.3.3 算法伪代码 | 第41-48页 |
| 4.3.4 选择和交叉操作 | 第48页 |
| 4.3.5 病毒感染操作 | 第48-49页 |
| 4.3.6 避免阻塞操作 | 第49-50页 |
| 4.4 动态路径规划的准则 | 第50-51页 |
| 4.4.1 路口通行规则 | 第50-51页 |
| 4.4.2 行车路线变化规则 | 第51页 |
| 4.5 实验结果 | 第51-55页 |
| 4.5.1 静态环境下路径规划实验 | 第51-55页 |
| 4.5.2 动态环境下路径规划试验 | 第55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 结论和展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
