针对多地貌环境下的移动机器人路径规划问题, 建立多目标优化模型, 并采用微粒群算法解决该问题. 首先,采用区域权值表示机器人在各种地形下的通行困难度; 然后, 结合局部优化准则计算机器人的通行时间,
自主移动机器人的路径规划与避碰研究，主要介绍了机器人全局路径规划和局部路径规划
本压缩包包含蚁群算法对三维空间进行路径规划，用于机械臂的避障路径规划，通过对三维空间进行栅格划分，确定可视区域，使用蚁群算法规划出避障路线。
以栅格法和粒子群算法为基础，提出了一种新的机器人实时全局最优路径规划方法。该方法包括采用栅格法对环境进行建模和直接运用粒子群算法在环境模型中搜索全局最优路径。在计算机上进行了仿真，仿真结果证明了该方法
提出基于蚁群算法的网格调度算法,优化作业完成时间。同时局部升级和全局升级采用不同策略,解决资源负载均衡问题,满足网格的多目标优化。最后通过Gridsim仿真环境和其他算法进行比较分析。
为了实现微型足球机器人的平滑最优路径规划，提出了一种结合Ferguson样条路径描述和改进粒子群优化算法的路径规划方法。利用Ferguson样条描述移动机器人路径，将路径规划问题转化为三次样条曲线的参
针对基本蚁群算法在机器人路径规划问题中容易陷入局部最优的问题,提出了一种改进的蚁群算法,利用遗传算法加入了变异因子使最优路径产生变异,从而降低了蚁群算法陷入局部极小的可能性,同时改
基于遗传变异蚁群算法的机器人路径规划的改进
针对传统Q-learning算法在复杂环境下移动机器人路径规划问题中容易产生维数灾难的问题，提出一种改进方法。该方法将深度学习融于Q-learning框架中，以网络输出代替Q值表，解决维数灾难问题。通
在未知环境下,针对传统模糊控制算法规划路径在某些复杂的障碍物环境中出现的死锁问题,设计了障碍逃脱策略,即当机器人进入陷阱区并在目标点方向不可行时,寻找可行方向并设置方向点,由方向点暂代目标点继续前行,
用户评论