| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 论文研究的背景和意义 | 第9-11页 |
| 1.2 移动机器人路径规划研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 移动机器人路径规划相关理论及其方法 | 第15-24页 |
| 2.1 移动机器人路径规划问题概述 | 第15-16页 |
| 2.2 移动机器人路径规划的分类 | 第16页 |
| 2.3 移动机器人路径规划方法 | 第16-23页 |
| 2.3.1 传统的路径规划方法 | 第16-19页 |
| 2.3.2 智能的路径规划方法 | 第19-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 粒子群优化算法及其改进 | 第24-39页 |
| 3.1 群体智能概述 | 第24-26页 |
| 3.1.1 群智能 | 第24-25页 |
| 3.1.2 群智能行为的基本原则与特点 | 第25-26页 |
| 3.1.3 群智能优化算法 | 第26页 |
| 3.2 粒子群优化算法 | 第26-30页 |
| 3.2.1 粒子群优化算法的数学模型 | 第27-29页 |
| 3.2.2 粒子群优化算法流程 | 第29-30页 |
| 3.3 粒子群优化算法的几种变种 | 第30-33页 |
| 3.3.1 带惯性权重系数的PSO算法模型 | 第31-32页 |
| 3.3.2 带收缩因子的PSO算法模型 | 第32页 |
| 3.3.3 离散的PSO算法模型 | 第32-33页 |
| 3.4 粒子群优化算法和遗传算法的比较 | 第33页 |
| 3.5 粒子群优化算法的改进 | 第33-38页 |
| 3.5.1 跳出机制 | 第34-35页 |
| 3.5.2 牵引操作 | 第35页 |
| 3.5.3 仿真实验结果分析 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于改进粒子群优化算法的单机器人路径规划研究 | 第39-48页 |
| 4.1 基于粒子群优化算法的单机器人路径规划概述 | 第39页 |
| 4.2 问题描述和环境建模 | 第39-42页 |
| 4.3 基于改进粒子群优化（JMPOPSO）算法的单机器人路径规划 | 第42-45页 |
| 4.3.1 适应度函数的建立 | 第42-43页 |
| 4.3.2 基于JMPOPSO算法的单机器人路径规划实现 | 第43-45页 |
| 4.4 仿真实验结果与分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于改进粒子群优化算法的多机器人路径规划研究 | 第48-55页 |
| 5.1 多机器人路径规划概述 | 第48页 |
| 5.2 多机器人路径规划的任务描述 | 第48-49页 |
| 5.3 基于协同机制的多种群粒子群优化（CMMPPSO）算法 | 第49-50页 |
| 5.4 基于CMMPPSO算法的多机器人路径规划 | 第50-53页 |
| 5.4.1 种群初始化及相关参数的设定 | 第51页 |
| 5.4.2 适应度评价函数的设计 | 第51-52页 |
| 5.4.3 代表个体组的选择 | 第52页 |
| 5.4.4 协同信息交互操作的设计 | 第52-53页 |
| 5.5 仿真实验结果与分析 | 第53-54页 |
| 5.6 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 本文工作总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 附录1攻读硕士学位期间撰写的论文 | 第60-61页 |
| 致谢 | 第61页 |
