基于蚁群算法的机器人全局路径规划
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·本课题研究的意义 | 第9-10页 |
| ·国内外移动机器人路径规划研究概述 | 第10-15页 |
| ·机器人路径规划问题描述 | 第10-11页 |
| ·机器人路径规划分类 | 第11页 |
| ·路径规划的环境建模方法 | 第11-14页 |
| ·路径搜索算法研究现状 | 第14-15页 |
| ·蚁群算法应用与研究现状 | 第15-16页 |
| ·本文的组织结构 | 第16-17页 |
| 2 简单蚁群算法概述 | 第17-26页 |
| ·蚂蚁的觅食行为及其优化过程 | 第17-20页 |
| ·双桥实验数学模型 | 第20-22页 |
| ·随机模型 | 第20-21页 |
| ·离散模型 | 第21-22页 |
| ·机器蚂蚁及其寻优过程 | 第22-24页 |
| ·机器蚂蚁 | 第23页 |
| ·机器蚂蚁优化过程 | 第23-24页 |
| ·本章总结 | 第24-26页 |
| 3 蚁群算法及其实现 | 第26-38页 |
| ·组合优化问题 | 第26-28页 |
| ·蚁群元启发式算法 | 第28-35页 |
| ·单个机器蚂蚁的特性 | 第28-29页 |
| ·ACO元启发式算法框架 | 第29-31页 |
| ·基本ACO算法 | 第31-33页 |
| ·基本ACO后续算法 | 第33-34页 |
| ·ACO算法参数设置 | 第34-35页 |
| ·蚁群算法性能评价标准 | 第35-36页 |
| ·基本蚁群算法的特征及改进方向 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于ACO算法的TSP问题研究 | 第38-52页 |
| ·TSP问题描述 | 第38页 |
| ·ACO算法在TSP问题上的执行步骤 | 第38-42页 |
| ·数据结构的定义 | 第38-40页 |
| ·算法伪代码(C语言) | 第40-41页 |
| ·算法流程 | 第41-42页 |
| ·仿真结果及分析 | 第42-51页 |
| ·仿真环境介绍 | 第42-44页 |
| ·算法性能仿真分析 | 第44-47页 |
| ·算法参数仿真分析 | 第47-51页 |
| ·本章总结 | 第51-52页 |
| 5 基于改进ACO算法的机器人路径规划 | 第52-68页 |
| ·机器人路径规划的本质 | 第52页 |
| ·机器人路径规划的建模 | 第52-56页 |
| ·实际环境栅格化 | 第53-54页 |
| ·栅格与图的逻辑对应 | 第54-56页 |
| ·基于ACO算法的机器人路径规划 | 第56-60页 |
| ·栅格环境下ACO算法描述 | 第56-57页 |
| ·算法执行步骤 | 第57页 |
| ·仿真结果及分析 | 第57-60页 |
| ·机器人路径规划ACO算法的改进 | 第60-63页 |
| ·机器人路径规划ACO算法的不足 | 第60-61页 |
| ·ACO算法参数的调整 | 第61-62页 |
| ·概率选择规则的修改 | 第62-63页 |
| ·算法实现步骤 | 第63页 |
| ·仿真结果分析 | 第63-66页 |
| ·本章总结 | 第66-68页 |
| 6 结论与展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 个人简历 在学期间发表的学术论文与研究成果 | 第73页 |
