仓储系统中机器人小车路径规划算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-15页 |
| 1.2.1 机器人发展现状 | 第11-12页 |
| 1.2.2 机器人路径规划算法研究现状 | 第12-14页 |
| 1.2.3 仓储系统发展现状 | 第14-15页 |
| 1.2.4 研究现状的总结 | 第15页 |
| 1.3 研究内容及方法 | 第15-19页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 基本研究方法 | 第16-17页 |
| 1.3.3 论文创新之处 | 第17页 |
| 1.3.4 论文结构 | 第17-19页 |
| 第二章 仓储系统环境建模 | 第19-29页 |
| 2.1 经典智能化仓储系统 | 第19-21页 |
| 2.2 环境建模方法比选 | 第21-25页 |
| 2.2.1 两个栅格间的距离 | 第24页 |
| 2.2.2 仓储中的元素定义 | 第24-25页 |
| 2.3 仓储内机器人小车的工作原理 | 第25-28页 |
| 2.3.1 机器人小车的行驶方向 | 第25-26页 |
| 2.3.2 机器人小车的工作状态 | 第26-27页 |
| 2.3.3 机器人小车的优先级设计 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 多机器人小车路径规划中的改进人工鱼群算法 | 第29-37页 |
| 3.1 人工鱼群算法基本原理 | 第29页 |
| 3.2 路径规划中的传统人工鱼群算法 | 第29-32页 |
| 3.2.1 人工鱼的基本定义及行为策略 | 第30-31页 |
| 3.2.2 基于传统人工鱼群算法的路径规划步骤 | 第31-32页 |
| 3.2.3 小规模算例仿真结果分析 | 第32页 |
| 3.3 路径规划中的改进人工鱼群算法 | 第32-36页 |
| 3.3.1 改进人工鱼群算法思想 | 第32-34页 |
| 3.3.2 基于改进人工鱼群算法的路径规划步骤 | 第34页 |
| 3.3.3 小规模算例仿真结果分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 多机器人小车路径规划中的遗传算法 | 第37-45页 |
| 4.1 遗传算法基本原理 | 第37-39页 |
| 4.2 静态路径规划中的遗传算法 | 第39-41页 |
| 4.2.1 基于遗传算法的静态路径规划步骤 | 第40页 |
| 4.2.2 小规模算例仿真结果分析 | 第40-41页 |
| 4.3 动态路径规划中的遗传算法 | 第41-43页 |
| 4.3.1 基于遗传算法的动态路径规划算法思想 | 第41页 |
| 4.3.2 基于遗传算法的动态路径规划算法步骤 | 第41-42页 |
| 4.3.3 小规模算例仿真结果分析 | 第42-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第五章 多机器人小车路径规划中的改进A~*算法 | 第45-54页 |
| 5.1 路径规划中的基本A~*算法 | 第45-48页 |
| 5.1.1 基本A~*算法的思想及算法策略 | 第45-47页 |
| 5.1.2 基于基本A~*算法的路径规划步骤 | 第47页 |
| 5.1.3 小规模算例的仿真结果 | 第47-48页 |
| 5.2 路径规划中的改进A~*算法 | 第48-53页 |
| 5.2.1 改进A~*算法的思想 | 第48-50页 |
| 5.2.2 改进A~*算法的步骤 | 第50-51页 |
| 5.2.3 小规模算例的仿真结果 | 第51-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第六章 基于不同规模算例的三种算法的仿真比较 | 第54-62页 |
| 6.1 算例规模设计 | 第54-55页 |
| 6.2 仿真结果及分析 | 第55-61页 |
| 6.3 本章小结 | 第61-62页 |
| 第七章 总结与展望 | 第62-64页 |
| 7.1 论文总结 | 第62-63页 |
| 7.2 论文不足及展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67页 |
