基于蚁群优化的自主水下机器人路径决策方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-21页 |
| ·引言 | 第10-13页 |
| ·AUV的国内外发展现状及动态 | 第10-13页 |
| ·自主式机器人的关键技术 | 第13页 |
| ·智能决策算法 | 第13-19页 |
| ·智能决策的内涵 | 第14-15页 |
| ·多目标决策的内涵 | 第15页 |
| ·常用的智能决策算法 | 第15-19页 |
| ·本课题研究的背景和意义 | 第19页 |
| ·主要研究内容和研究方法 | 第19-21页 |
| ·主要研究内容 | 第19-20页 |
| ·研究方法 | 第20页 |
| ·论文的组织与安排 | 第20-21页 |
| 第2章 蚁群优化的基本理论 | 第21-33页 |
| ·引言 | 第21页 |
| ·蚁群优化原理及其实现步骤 | 第21-27页 |
| ·蚁群觅食行为概述 | 第21-22页 |
| ·蚁群觅食行为的实验 | 第22-24页 |
| ·蚁群优化原理分析 | 第24页 |
| ·蚁群优化算法的原型与实现步骤 | 第24-27页 |
| ·蚁群优化算法的启发式特性 | 第27-31页 |
| ·人工蚂蚁和真实蚂蚁的异同 | 第27-29页 |
| ·蚁群优化算法的启发特性 | 第29-31页 |
| ·蚁群优化算法的收敛性研究成果 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于蚁群优化的 AUV全局路径决策 | 第33-49页 |
| ·引言 | 第33页 |
| ·环境模型的建立 | 第33-35页 |
| ·几种经典环境模型介绍 | 第33-34页 |
| ·大范围海洋环境模型的建立 | 第34-35页 |
| ·基于蚁群优化的全局路径决策研究 | 第35-39页 |
| ·符号描述与定义 | 第35-36页 |
| ·状态转移规则 | 第36页 |
| ·蚁群信息素更新规则 | 第36-38页 |
| ·基于蚁群优化的全局路径决策算法步骤 | 第38-39页 |
| ·路径平滑算法设计与实现 | 第39-43页 |
| ·启发函数和路径代价的定义 | 第39页 |
| ·路径平滑 | 第39-40页 |
| ·仿真结果及分析 | 第40-43页 |
| ·面向路径长度与威胁度的多目标全局路径决策 | 第43-48页 |
| ·自主式水下机器人所受威胁的评价 | 第44页 |
| ·威胁互联网的概念 | 第44-45页 |
| ·威胁源信息资源共享表 | 第45-46页 |
| ·启发函数和路径代价的定义 | 第46页 |
| ·仿真结果及分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于蚁群优化的AUV在线路径决策 | 第49-60页 |
| ·引言 | 第49页 |
| ·传感器仿真探测模型的建立 | 第49-53页 |
| ·多波束前视声纳主要参数 | 第49页 |
| ·多波束前视声纳的信息处理 | 第49-50页 |
| ·多波束前视声纳的仿真模型 | 第50-51页 |
| ·仿真多波束前视声纳信息处理 | 第51页 |
| ·多波束前视声纳仿真探测模型 | 第51-53页 |
| ·基于蚁群优化的在线路径决策 | 第53-58页 |
| ·符号描述与定义 | 第53-55页 |
| ·状态转移规则 | 第55-56页 |
| ·蚁群信息素更新规则 | 第56-57页 |
| ·基于蚁群优化的在线路径决策算法步骤 | 第57页 |
| ·局部海图下的路径决策流程 | 第57-58页 |
| ·仿真结果及分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 AUV路径决策综合仿真试验 | 第60-66页 |
| ·引言 | 第60页 |
| ·AUV路径决策综合仿真试验过程的描述 | 第60页 |
| ·AUV路径决策综合仿真试验 | 第60-65页 |
| ·全局路径决策仿真试验及分析 | 第60-61页 |
| ·在线路径决策仿真试验及分析 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73页 |
