| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 题目的背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 论文主要工作和内容 | 第16-19页 |
| 第2章 气象导航基础理论与方法 | 第19-35页 |
| 2.1 气象导航概述 | 第19-20页 |
| 2.1.1 气象导航的种类 | 第19页 |
| 2.1.2 气象导航的特点 | 第19-20页 |
| 2.1.3 气象导航的适用范围 | 第20页 |
| 2.2 环境模型的表示方法 | 第20-22页 |
| 2.3 航线规划方法 | 第22-25页 |
| 2.3.1 传统算法 | 第22-23页 |
| 2.3.2 图形学方法 | 第23-24页 |
| 2.3.3 仿生智能算法 | 第24页 |
| 2.3.4 其他算法 | 第24-25页 |
| 2.4 优化目标的定义与模型 | 第25-30页 |
| 2.4.1 优化目标的定义 | 第25-26页 |
| 2.4.2 优化目标的模型 | 第26-30页 |
| 2.5 数值气象预报信息的获取与处理 | 第30-34页 |
| 2.5.1 数值气象预报信息的获取 | 第30-32页 |
| 2.5.2 数值气象预报信息的处理 | 第32-34页 |
| 2.6 M_Map工具包的介绍 | 第34页 |
| 2.7 本章小结 | 第34-35页 |
| 第3章 A*算法理论基础 | 第35-44页 |
| 3.1 A*算法概述 | 第35-40页 |
| 3.1.1 Dijkstra算法和BestFirstSearch算法 | 第35-37页 |
| 3.1.2 A*算法 | 第37-40页 |
| 3.2 启发函数H(n)的设计 | 第40-43页 |
| 3.2.1 启发函数H(n)对A*算法的影响 | 第40页 |
| 3.2.2 速度和精确度的取舍 | 第40-41页 |
| 3.2.3 衡量单位 | 第41页 |
| 3.2.4 曼哈顿距离(Manhattandistance) | 第41页 |
| 3.2.5 对角线距离(Diagonaldistance) | 第41-42页 |
| 3.2.6 欧几里德距离(Euclideandistance) | 第42页 |
| 3.2.7 欧几里德距离的平方形式 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 基于改进A*算法的全局气象航线规划方法的研究 | 第44-51页 |
| 4.1 全局航线规划的预处理 | 第44-46页 |
| 4.1.1 数值气象预报信息的选取 | 第44页 |
| 4.1.2 栅格法环境建模 | 第44-45页 |
| 4.1.3 凹型障航物的凸型化 | 第45-46页 |
| 4.1.4 障航物的膨胀化 | 第46页 |
| 4.2 A*算法的改进 | 第46-48页 |
| 4.3 基于改进A*算法的全局气象航线规划的仿真 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第5章 基于滚动窗口的局部气象航线规划方法的研究 | 第51-60页 |
| 5.1 滚动窗口航线规划的基本原理 | 第51-52页 |
| 5.2 局部子目标的确定 | 第52-55页 |
| 5.2.1 局部子目标的确定方法 | 第52-53页 |
| 5.2.2 局部子目标坐标的求解 | 第53-55页 |
| 5.3 局部子目标落入静态障航物中的处理 | 第55-56页 |
| 5.4 基于滚动窗口的局部气象航线规划算法 | 第56-57页 |
| 5.5 基于滚动窗口的局部气象航线规划仿真 | 第57-59页 |
| 5.6 本章小结 | 第59-60页 |
| 第6章 基于多目标A*算法的全局气象航线规划方法的研究 | 第60-70页 |
| 6.1 多目标A*算法的描述 | 第60-63页 |
| 6.2 多目标A*算法的改进 | 第63-65页 |
| 6.2.1 启发式函数的设计 | 第63页 |
| 6.2.2 动态加权的实现 | 第63-64页 |
| 6.2.3 用户个性化路线的推荐 | 第64-65页 |
| 6.3 基于多目标A*算法的全局气象航线规划的仿真 | 第65-68页 |
| 6.4 本章小结 | 第68-70页 |
| 第7章 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 作者简介及科研成果 | 第76-77页 |
| 致谢 | 第77页 |
