| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题研究背景、目的及意义 | 第12-13页 |
| 1.1.1 课题研究背景 | 第12-13页 |
| 1.1.2 课题研究目的及意义 | 第13页 |
| 1.2 灾难环境下疏散路径规划问题研究现状 | 第13-18页 |
| 1.2.1 无线传感器网络应用发展 | 第14-15页 |
| 1.2.2 面向灾难监控与救援领域的无线传感器网络现状 | 第15-16页 |
| 1.2.3 路径规划方法发展现状 | 第16-18页 |
| 1.3 主要研究内容及章节安排 | 第18-20页 |
| 1.3.1 研究内容 | 第18页 |
| 1.3.2 章节安排 | 第18-20页 |
| 第2章 WSN信息环境下路径规划方法研究 | 第20-38页 |
| 2.1 WSN现场信息的采集 | 第20-23页 |
| 2.1.1 无线传感器网络体系结构 | 第20-21页 |
| 2.1.2 无线传感器网络优势和特点 | 第21页 |
| 2.1.3 无线传感器网络应用 | 第21-23页 |
| 2.2 路径规划问题概述 | 第23-27页 |
| 2.2.1 路径规划问题基本概念 | 第23页 |
| 2.2.2 路径规划问题分类 | 第23-27页 |
| 2.3 静态典型路径规划算法 | 第27-31页 |
| 2.3.1 Dijkstra算法 | 第27页 |
| 2.3.2 A~*算法 | 第27-29页 |
| 2.3.3 Floyd算法 | 第29-31页 |
| 2.4 动态环境下智能路径规划算法 | 第31-36页 |
| 2.4.1 蚁群算法 | 第31-32页 |
| 2.4.2 其他智能算法 | 第32-35页 |
| 2.4.3 路径规划算法比较 | 第35-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第3章 基于改进蚁群算法的逃生路径规划研究 | 第38-56页 |
| 3.1 基于WSN信息获取的路径规划 | 第38页 |
| 3.2 蚁群算法基本原理 | 第38-41页 |
| 3.3 模型建立及算法实现 | 第41-44页 |
| 3.3.1 数学模型建立 | 第41-43页 |
| 3.3.2 蚁群算法实现 | 第43-44页 |
| 3.4 基于改进信息素更新机制的蚁群算法 | 第44-51页 |
| 3.4.1 基于WSN的影响因子确定 | 第45-47页 |
| 3.4.2 信息素浓度设置改进 | 第47-48页 |
| 3.4.3 信息素浓度参数更新 | 第48-50页 |
| 3.4.4 全局/局部信息素更新 | 第50-51页 |
| 3.5 仿真实验与结果分析 | 第51-55页 |
| 3.5.1 蚁群算法参数设置 | 第51-53页 |
| 3.5.2 信息素强度和挥发因子对算法性能的影响 | 第53-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第4章 面向动态环境的逃生路径规划研究与实现 | 第56-78页 |
| 4.1 火源事件及人员的定位 | 第56-62页 |
| 4.1.1 灾难现场火源定位 | 第56-60页 |
| 4.1.2 基于WSN的被困人员定位 | 第60-62页 |
| 4.2 基于WSN的动态环境建模 | 第62-66页 |
| 4.2.1 动态环境模型建立 | 第62-65页 |
| 4.2.2 动态火源蔓延机制 | 第65-66页 |
| 4.3 动态环境下路径规划算法设计实现 | 第66-72页 |
| 4.3.1 基于Dijkstra算法的路径规划设计 | 第66-69页 |
| 4.3.2 改进算法DACA的提出与描述 | 第69-71页 |
| 4.3.3 基于动态环境的DACA算法路径规划设计实现 | 第71-72页 |
| 4.4 仿真实验与结果分析 | 第72-77页 |
| 4.4.1 改进算法DACA静态环境下的实现 | 第72-74页 |
| 4.4.2 动态环境下的路径规划 | 第74-77页 |
| 4.5 本章小结 | 第77-78页 |
| 第5章 总结与展望 | 第78-80页 |
| 5.1 总结 | 第78页 |
| 5.2 展望 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 致谢 | 第86-88页 |
| 攻读硕士学位期间发表的学术论文 | 第88-90页 |
| 作者简介 | 第90页 |
