| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 引言 | 第12-13页 |
| 1.2 研究背景及意义 | 第13页 |
| 1.3 移动机器人路径规划研究现状 | 第13-24页 |
| 1.3.1 机器人研究现状 | 第15-22页 |
| 1.3.2 路径规划研究现状 | 第22-24页 |
| 1.4 主要研究内容及结构 | 第24-26页 |
| 1.4.1 主要研究内容 | 第24-25页 |
| 1.4.2 组织结构 | 第25-26页 |
| 第二章 移动机器人路径规划 | 第26-36页 |
| 2.1 路径规划问题 | 第26-27页 |
| 2.2 经典路径规划算法 | 第27-30页 |
| 2.2.1 基于栅格法路径规划方法 | 第27页 |
| 2.2.2 基于人工势场法路径规划方法 | 第27-29页 |
| 2.2.3 基于Voronoi图的路径规划方法 | 第29-30页 |
| 2.3 启发式路径规划 | 第30-35页 |
| 2.3.1 基于神经网络算法路径规划方法 | 第30-31页 |
| 2.3.2 基于遗传算法路径规划方法 | 第31页 |
| 2.3.3 基于蚁群算法路径规划方法 | 第31-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 粒子群算法 | 第36-44页 |
| 3.1 引言 | 第36页 |
| 3.2 粒子群算法 | 第36-38页 |
| 3.3 算法流程 | 第38-39页 |
| 3.4 拓扑结构 | 第39-42页 |
| 3.4.1 空连拓扑结构 | 第39页 |
| 3.4.2 环形拓扑结构 | 第39-40页 |
| 3.4.3 全连拓扑结构 | 第40页 |
| 3.4.4 星型网状拓扑结构 | 第40-41页 |
| 3.4.5 树状拓扑结构 | 第41-42页 |
| 3.5 各种改进粒子群算法 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于粒子群和遗传算法的混合路径规划 | 第44-55页 |
| 4.1 链式地图模型建立 | 第44-46页 |
| 4.2 次优路径规划 | 第46-47页 |
| 4.3 粒子群与遗传算法混合算法 | 第47-51页 |
| 4.3.1 算法步骤 | 第47-48页 |
| 4.3.2 测试函数验证 | 第48-51页 |
| 4.4 仿真与结果分析 | 第51-55页 |
| 第五章 基于年龄-挑战者算子的粒子群路径规划 | 第55-71页 |
| 5.1 引言 | 第55页 |
| 5.2 地图模型建立 | 第55-58页 |
| 5.3 年龄-挑战者算子粒子群算法 | 第58-60页 |
| 5.4 粒子群编码 | 第60页 |
| 5.5 粒子限制条件 | 第60-61页 |
| 5.6 测试函数验证 | 第61-62页 |
| 5.7 基于年龄-挑战者算子路径规划方法 | 第62-65页 |
| 5.7.1 算法步骤 | 第62-63页 |
| 5.7.2 年龄控制器 | 第63-65页 |
| 5.8 仿真与结果分析 | 第65-71页 |
| 第六章 总结和展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 | 第76-77页 |
| 致谢 | 第77-78页 |