| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 移动机器人路径规划的背景和意义 | 第9-10页 |
| 1.2 移动机器人国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 移动机器人路径规划的研究现状及其发展方向 | 第13-15页 |
| 1.3.1 路径规划的研究现状 | 第13-14页 |
| 1.3.2 移动机器人路径规划发展方向 | 第14-15页 |
| 1.4 本课题研究的主要内容 | 第15-17页 |
| 第2章 移动机器人路径规划的典型算法和环境建模描述 | 第17-29页 |
| 2.1 全局路径规划算法 | 第17-20页 |
| 2.1.1 栅格解耦法 | 第17页 |
| 2.1.2 可视图法 | 第17-19页 |
| 2.1.3 自由空间法 | 第19页 |
| 2.1.4 拓扑法 | 第19-20页 |
| 2.2 局部路径规划算法 | 第20-23页 |
| 2.2.1 人工势场法 | 第20页 |
| 2.2.2 遗传算法 | 第20-22页 |
| 2.2.3 模糊逻辑法 | 第22页 |
| 2.2.4 神经网络法 | 第22-23页 |
| 2.3 环境建模描述 | 第23-27页 |
| 2.3.1 栅格法原理 | 第23-25页 |
| 2.3.2 栅格法的改进 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 粒子群算法及其改进 | 第29-40页 |
| 3.1 粒子群算法概述 | 第29-32页 |
| 3.1.1 粒子群算法的基本原理 | 第29页 |
| 3.1.2 粒子群算法描述 | 第29-30页 |
| 3.1.3 粒子群算法各参数优化分析 | 第30-31页 |
| 3.1.4 粒子群算法基本流程 | 第31-32页 |
| 3.2 粒子群算法的改进 | 第32-35页 |
| 3.2.1 传统改进方法 | 第32-35页 |
| 3.3 本文的改进算法及仿真对比 | 第35-39页 |
| 3.3.1 本文的改进算法 | 第35-37页 |
| 3.3.2 仿真结果对比 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 蚁群算法及其改进 | 第40-57页 |
| 4.1 蚁群算法概述 | 第40页 |
| 4.2 蚁群算法的基本原理 | 第40-42页 |
| 4.3 蚁群算法的数学模型 | 第42-44页 |
| 4.4 蚁群算法基本流程 | 第44-45页 |
| 4.5 蚁群算法参数分析 | 第45-47页 |
| 4.5.1 蚂蚁数量m | 第46页 |
| 4.5.2 信息素启发因子α | 第46页 |
| 4.5.3 能见度启发因子 β | 第46-47页 |
| 4.5.4 信息素的挥发系数ρ | 第47页 |
| 4.5.5 信息素强度Q | 第47页 |
| 4.6 蚁群算法的改进 | 第47-52页 |
| 4.6.1 蚁群算法的优缺点 | 第47-49页 |
| 4.6.2 传统改进算法 | 第49-52页 |
| 4.7 本文的改进算法和仿真结果对比 | 第52-55页 |
| 4.7.1 本文的改进算法 | 第52-54页 |
| 4.7.2 仿真结果对比 | 第54-55页 |
| 4.8 本章小结 | 第55-57页 |
| 第5章 粒子群蚁群融合算法 | 第57-68页 |
| 5.1 融合算法的设计思想 | 第57-58页 |
| 5.2 两种算法的衔接 | 第58-60页 |
| 5.3 仿真实验介绍 | 第60页 |
| 5.4 传统粒子群算法、改进粒子群算法及融合算法仿真分析 | 第60-64页 |
| 5.4.1 三种算法最优路径对比 | 第60-61页 |
| 5.4.2 三种算法的全部路径对比 | 第61-62页 |
| 5.4.3 三种算法的收敛曲线对比 | 第62-64页 |
| 5.5 传统蚁群算法、改进蚁群算法和融合算法仿真分析 | 第64-67页 |
| 5.5.1 三种算法最优路径对比 | 第64-65页 |
| 5.5.2 三种算法全部路径对比 | 第65页 |
| 5.5.3 三种算法收敛曲线对比 | 第65-67页 |
| 5.6 本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间发表学术论文目录 | 第75-76页 |
