| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-14页 |
| 1.1 研究背景和意义 | 第7-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 无人机研究现状 | 第10-11页 |
| 1.2.2 路径规划研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12页 |
| 1.4 本文组织结构 | 第12-14页 |
| 2 背景知识 | 第14-23页 |
| 2.1 无人机路径规划介绍 | 第14页 |
| 2.2 无人机路径规划建模 | 第14-15页 |
| 2.3 无人机路径规划分类 | 第15-16页 |
| 2.4 无人机路径规划传统算法 | 第16-20页 |
| 2.4.1 可视图法 | 第16-17页 |
| 2.4.2 人工势场法 | 第17-18页 |
| 2.4.3 模糊逻辑法 | 第18页 |
| 2.4.4 遗传算法 | 第18-19页 |
| 2.4.5 神经网络法 | 第19页 |
| 2.4.6 蚁群算法 | 第19-20页 |
| 2.5 路径规划算法比较与分析 | 第20-21页 |
| 2.6 无人机飞行安全 | 第21页 |
| 2.7 本章小结 | 第21-23页 |
| 3 无人机分层路径规划模型 | 第23-32页 |
| 3.1 路径表示方法 | 第23-24页 |
| 3.2 规划空间模型 | 第24-26页 |
| 3.2.1 路径规划水平模型 | 第24-25页 |
| 3.2.2 路径规划垂直模型 | 第25-26页 |
| 3.3 垂直路径优化 | 第26-29页 |
| 3.3.1 路径点凹凸性判别 | 第26-27页 |
| 3.3.2 可行路径生成 | 第27-28页 |
| 3.3.3 凸点法优化路径 | 第28-29页 |
| 3.4 飞行路径生成 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 基于蚁群算法的无人机路径规划设计 | 第32-44页 |
| 4.1 蚁群行为模式 | 第32-33页 |
| 4.2 蚁群算法数学原型 | 第33-35页 |
| 4.3 蚁群算法参数选择 | 第35-37页 |
| 4.3.1 信息素挥发系数 ρ 对算法性能的影响 | 第35-36页 |
| 4.3.2 蚂蚁数目m对算法性能的影响 | 第36页 |
| 4.3.3 启发因子 α 和 β 对算法性能的影响 | 第36页 |
| 4.3.4 信息素强度Q对算法性能的影响 | 第36-37页 |
| 4.4 基于改进蚁群算法的路径规划 | 第37-42页 |
| 4.4.1 信息素表示 | 第38-39页 |
| 4.4.2 转移规则 | 第39-41页 |
| 4.4.3 信息素更新规则 | 第41-42页 |
| 4.5 空间安全系数 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 5 实验及结果分析 | 第44-54页 |
| 5.1 三维环境模型 | 第44-45页 |
| 5.2 基于改进蚁群算法的验证 | 第45-51页 |
| 5.2.1 参数优化 | 第46-50页 |
| 5.2.2 改进蚁群算法仿真与分析 | 第50-51页 |
| 5.3 空间安全系数影响 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 6 总结及展望 | 第54-56页 |
| 6.1 全文工作总结 | 第54页 |
| 6.2 未来工作展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |