提出一种改进的射门算法。 通过路径规划,使得机器人沿着平滑的轨迹将位姿调整到射门状态,然后,根据位姿变化最小的原则,从对方门线的坐标点中选择射门目标点,以圆弧路径完成射门过程。 试验表明,算法可以提高射门成功率。

捕食-被捕食者-局部捕食者的多惩罚算法 该项目的目标是为捕食者的猎物问题实现一个简单而浅的路径规划器。 方法：类似于A *和势场的路径规划算法 运行程序的说明： 首先运行Algorithm_Functions.py，然后运行Multi_Penalty_Algorithm.py 注意：如果对Algorithm_Functions.py进行了任何更改，则必须在运行Multi_Penalty_Algorithm.py之前重新运行它。

MATLAB源码集锦-基于模糊控制的路径规划算法的仿真实现-机器人避障

路径规划算法入门学习资料，包含常用的路径规划算法及轨迹跟踪技术，路径规划算发包含A*，D*以及RRT等

RRT＊算法路径规划代码

matlab说话代码QLearning for Path Planning 这是用于路径规划的Q学习算法（代码+描述）的实现。 这是文件结构： QLearning for Path Planning |-- src |-- data |-- Distance.mat |-- Distance_bigmap.mat |-- NodeSide.mat |-- NodeSide_bigmap.mat |-- Planned |-- PlannedData.mat |-- PlannedData_bigmap.mat |-- GetBigmapMat.m |-- main.m |-- mygetRealObstacle.m |-- mygetRewardTable.m |-- mygetRoutelen.m |-- myQLearningRoute.m |-- myQLearningTrain.m |-- myRouteChange.m |-- time_test.m |-- imgs |-- images used in file 'Readme.md' |-- Readme.md 在以上文

维RRT避障路径规划算法.zip

Matlab基于蚁群算法的三维路径规划算法原创-基于蚁群算法的水下潜器三维空间路径规划.rar 论坛中关于蚁群算法的讨论比较少啊，上传一个前面做的基于蚁群算法的三维路径规划算法，呵呵，起个抛砖引玉的作用吧，参考的论文和程序都在上面

关于扫地机器人的路径规划算法的概括，为提高机器人路径规划的搜索速度，缩短搜索时间，总结归纳移动机器人在路径规划问题上的算法及其特点，并对路径规划技术进行概述；其次对移动机器人路径规划进行分类总结，并从移动机器人对环境掌握情况的角度出发，将移动机器人路径规划分成全局规划和局部规划两类，然后对全局规划和局部规划的相关算法进行综述，同时对相关算法发展现状及优缺点进行总结。

本文针对现有的自动泊车路径规划方法中对于车辆初始位姿及泊车环境等限制要 求较多的问题，研究了满足车辆运动学约束和避障约束的泊车路径规划方法。同时，基于规划所得的路径，搭建了跟踪系统并进行了仿真验证。 首先，对自动泊车的车位检测进行研究，选取超声波传感器来感知车位及障碍物信 息，并实际开展了检测试验来验证其效果与精度。同时，根据阿克曼转向原理建立了车辆运动学模型，分析计算得出泊车时的低速运动方程。 其次，针对泊车环境存在较多限制的各种复杂场景及不同的泊车方式展开路径规划 研究。明确规划模块的整个设计流程，并对其中一些基础原理和前提条件做预处理以便于之后的说明。详细阐述了规划算法中的两个重要的子算法：简单连接算法及路径与障碍物碰撞检测算法，对其采取了仔细的计算和验证，方便后续使用。分别对平行泊车与垂直泊车给出了不同的规划方案，包括单步式泊入和多步式泊入。在此基础上，设计了探索机制，强化规划算法的冗余性，当泊车环境变化时能够及时调整从而保证规划成功，考虑到某些场景需要车头入式的泊车方法，提出了前向垂直泊车的路线。此外，为提升泊车的安全性和面对不同泊车环境时的适应性，提出了若干优化策略。 最后，搭建了路径跟踪控制模块，完成了自动泊车仿真试验。对比几种控制策略， 根据泊车的特点选取模糊控制器作为主要的跟踪控制方式，并详细阐述了模糊控制的隶属度函数及规则库等。针对规划路径中存在的曲率非连续的问题，提出了相应的跟踪模型。根据规划模块给出的泊车路线，利用 MATLAB/Simulink 软件联合仿真，验证路径规划及跟踪控制效果。结果表明，本文提出的规划算法具有较好的泊车精度及鲁棒性，对复杂的泊车环境适应性较强，有较重要的实际应用价值。