基于遗传算法的移动机器人路径规划方法的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·选题背景及意义 | 第11页 |
| ·国内外研究现状及发展趋势 | 第11-13页 |
| ·遗传算法的研究进展 | 第13-15页 |
| ·本文的主要研究内容 | 第15-16页 |
| 第2章 移动机器人路径规划 | 第16-26页 |
| ·移动机器人导航技术 | 第16-20页 |
| ·机器人导航概述 | 第16页 |
| ·移动机器人的导航方式 | 第16-18页 |
| ·移动机器人的定位 | 第18-19页 |
| ·环境地图的构建 | 第19-20页 |
| ·移动机器人路径规划 | 第20-25页 |
| ·路径规划概述 | 第20-21页 |
| ·几种路径规划方法 | 第21-25页 |
| ·本文提出的路径规划方法 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 遗传算法原理 | 第26-38页 |
| ·遗传算法的简介 | 第26-28页 |
| ·遗传算法的特点 | 第26-28页 |
| ·遗传算法的应用 | 第28页 |
| ·遗传算法的基本原理 | 第28-30页 |
| ·遗传算法的基本思想 | 第28-29页 |
| ·遗传算法的基本概念 | 第29-30页 |
| ·基本遗传算法 | 第30-37页 |
| ·SGA 的基本步骤 | 第30-31页 |
| ·编码表示 | 第31-32页 |
| ·适应度函数设计 | 第32-33页 |
| ·遗传操作 | 第33-36页 |
| ·参数的选择 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于遗传算法的移动机器人路径规划 | 第38-56页 |
| ·环境信息的表示 | 第38-40页 |
| ·环境信息的预处理 | 第38-39页 |
| ·环境建模 | 第39-40页 |
| ·初始设置 | 第40-42页 |
| ·编码 | 第40页 |
| ·群体初始化 | 第40-42页 |
| ·适应度函数的确定 | 第42-45页 |
| ·可行路径的适应度函数 | 第43-45页 |
| ·不可行路径的适应度函数 | 第45页 |
| ·遗传算子的设计 | 第45-52页 |
| ·选择算子 | 第46-47页 |
| ·交叉算子 | 第47页 |
| ·变异算子 | 第47-48页 |
| ·平滑算子 | 第48-50页 |
| ·优化算子 | 第50-52页 |
| ·自适应参数调整 | 第52页 |
| ·基于遗传算法的动态路径规划 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 路径规划的仿真结果及分析 | 第56-70页 |
| ·仿真环境 | 第56页 |
| ·软件环境 | 第56页 |
| ·硬件环境 | 第56页 |
| ·仿真实验简介 | 第56-58页 |
| ·仿真实验及结果分析 | 第58-64页 |
| ·静态环境路径规划仿真 | 第58-62页 |
| ·动态环境路径规划仿真 | 第62-64页 |
| ·适应度参数的影响 | 第64-67页 |
| ·与其它算法的仿真结果比较 | 第67-69页 |
| ·与Dijkstra 算法的仿真结果比较 | 第67-68页 |
| ·与人工势场法的仿真结果比较 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 详细摘要 | 第77-80页 |
