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
青岛大学;