| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-20页 |
| 1.1 机器人应用概述 | 第8-10页 |
| 1.2 本课题研究背景 | 第10-12页 |
| 1.3 国内外路径规划研究现状 | 第12-16页 |
| 1.3.1 全局路径规划 | 第12-14页 |
| 1.3.2 局部路径规划 | 第14-16页 |
| 1.4 路径规划技术的发展趋势 | 第16-17页 |
| 1.5 本文主要研究内容 | 第17-18页 |
| 1.6 本章小结 | 第18-20页 |
| 2 遗传算法基本理论 | 第20-28页 |
| 2.1 遗传算法(GA)概述 | 第20-21页 |
| 2.2 基本遗传算法的优缺点 | 第21-22页 |
| 2.3 变形遗传算法 | 第22-26页 |
| 2.4 本章小结 | 第26-28页 |
| 3 融合模拟退火的MPGA路径规划 | 第28-50页 |
| 3.1 多种群遣传算法(MPGA)原理概述 | 第28-29页 |
| 3.2 TSP理论基础 | 第29-31页 |
| 3.3 模拟退火(SA)算法理论基础 | 第31-32页 |
| 3.4 融合模拟退火的MPGA路径规划实现 | 第32-41页 |
| 3.4.1 数据和控制参数初始化 | 第32-34页 |
| 3.4.2 编码 | 第34-35页 |
| 3.4.3 种群初始化 | 第35页 |
| 3.4.4 适应度评价 | 第35页 |
| 3.4.5 选择操作 | 第35-36页 |
| 3.4.6 交叉操作 | 第36-37页 |
| 3.4.7 变异操作 | 第37页 |
| 3.4.8 逆转进化操作 | 第37页 |
| 3.4.9 重插入操作 | 第37-38页 |
| 3.4.10 移民操作 | 第38页 |
| 3.4.11 基于Metropolis准则的精英种群操作 | 第38-39页 |
| 3.4.12 返回精英个体 | 第39页 |
| 3.4.13 退火降温 | 第39-41页 |
| 3.5 改型MPGA对基本遗传算法的改进 | 第41页 |
| 3.6 算法仿真实验 | 第41-49页 |
| 3.6.1 仿真实验概述 | 第42-44页 |
| 3.6.2 算法解算结果对比 | 第44-49页 |
| 3.7 本章小结 | 第49-50页 |
| 4 基于混合粒子群算法的路径规划 | 第50-60页 |
| 4.1 基本粒子群算法 | 第50-51页 |
| 4.2 改进粒子群算法 | 第51-52页 |
| 4.3 混合粒子群算法路径规划 | 第52-54页 |
| 4.3.1 混合粒子群理论基础 | 第52-53页 |
| 4.3.2 算法实现 | 第53-54页 |
| 4.4 算法仿真 | 第54-58页 |
| 4.5 本章小结 | 第58-60页 |
| 5 采棉头路径规划实验 | 第60-68页 |
| 5.1 机器人控制器和本体 | 第60-61页 |
| 5.2 机器人编程语言 | 第61-62页 |
| 5.3 实物实验 | 第62-66页 |
| 5.4 本章小结 | 第66-68页 |
| 6 总结回顾 | 第68-70页 |
| 6.1 工作总结 | 第68页 |
| 6.2 不足 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76页 |
| A.本人硕士期间论文成果 | 第76页 |