自动导引车的路径规划算法

目录

第一章 绪论

1.1 课题研究背景及意义

1.2 AGV研究概况

1.3 AGV路径规划的研究概况

1.4 论文研究内容和组织安排

第二章 AGV路径规划及建模方法

2.1 AGV路径规划方法

2.1.1 路径规划的定义

2.1.2 路径规划方法的分类

2.2 路径规划常用算法

2.2.1 人工势场算法

2.2.2 遗传算法

2.2.3 神经网络算法

2.2.4 蚁群算法

2.2.5 A*算法

2.3 环境建模方法

2.3.1 几何地图法

2.3.2拓扑地图法

2.3.3栅格地图法

2.3.4 AGV运动环境建模

2.4 本章小结

第三章 基于动态参数调整双向搜索A*算法的全局路径规划

3.1 经典A*算法

3.1.1 经典A*算法的原理

3.1.2 经典A*算法流程

3.2 基于动态参数调整的双向搜索A*算法

3.2.1 动态参数调整搜索策略

3.2.2 双向搜索策略

3.2.3 动态参数调整双向搜索策略

3.3 仿真实验与结果分析

3.4 本章小结

第四章 基于势场引导蚁群算法的AGV局部路径规划

4.1 经典蚁群算法

4.1.1蚁群算法数学模型

4.1.2 蚁群算法的实现流程

4.1.3 蚁群算法的缺陷

4.2 APF-蚁群算法

4.2.1 人工势场算法数学模型

4.2.2 APF-蚁群算法数学模型

4.2.3 APF-蚁群算法流程

4.3基于势场引导的蚁群算法局部路径规划

4.4仿真实验与结果分析

4.5本章小结

第五章 基于强化学习的AGV路径规划

5.1 AGV运动建模

5.2 强化学习

5.2.1 马尔可夫决策过程

5.2.2 Q-learning算法

5.2.3 行为选择策略

5.3 基于BP神经网络的Q-learning算法

5.3.1 神经网络算法数学模型

5.3.2 基于BP神经网络的Q-learning算法

5.4 仿真实验与结果分析

5.5 本章小结

第六章 总结与展望

参考文献

攻读学位期间的研究成果

致谢

声明