研究了多机器人的前导跟随编队控制。 提出了一种基于闭环控制和人工势场相结合的多机器人编队和避障方法。 根据领导者的位置信息，引入闭环控制实现对领导者的跟随者跟踪，并实现了编队控制。 可以通过人工势场法实现避障，机器人可以顺利通过障碍物区域。 仿真结果表明，该方法可以达到预期的控制效果，可以有效地解决此类问题。

人工势场法程序源码

基础人工势场法代码

国外人写的实现人工势场法路径搜索的matlab程序，附有详细的解释文档，界面友好，程序比较容易懂。额外还赠送一套人工势场法的10个障碍物的路径搜索matlab程序

印度人写的matlab程序，附有详细的解释文档，界面友好，程序比较容易懂 从其他地方整理出来，欢迎下载！

为解决智能车避障路径规划中采用人工势场法易陷入局部极小值的问题,采用改进的人工势场法进行智能车避障规划方法,通过调整势力场范围、改进斥力势函数和动态调整斥力场系数对人工势场法进行改进,解决陷入局部极小值的情况.研究结果表明:改进后的方法大大减小了智能车陷入局部极小值的概率,增加了避障的准确性.研究结论对提高复杂环境中智能车避障路径选择的准确性和实时性有重要意义.

人工势场算法matlab实现，我看了很多网上的Apf实现，说实话代码一点也不elegant，因此自己写了一份2维的apf，代码简洁干净，可读性强。打开直接运行主程序即可，傻瓜式操作。有不懂的可私信我csdn。

针对人工势场法易陷入局部极小值的缺陷，提出旋转速度矢量角以精确定位逃离点，并将TAS-RRT算法与人工势场算法结合进行动态路径规划。采用人工势场法进行避障规划，当陷入局部最小值时，使用基于速度矢量角度差引导的快速随机扩展树算法调节扩张速度，自适应地寻找逃离点，对RRT算法的采样策略和局部规划器进行改进，使搜索过程快速跳出局部极小值，当采样点的旋转速度矢量角满足条件时，切换人工势场进行规划。仿真实验表明，TAS-RRT算法引导路径快速渐进逃离点，与人工势场结合进行运动规划，能适应环境的变化，控制精度和处理速度得到大大提高。

在做优化的时候，起初选择了GA算法，但是GA的不稳定性（或者陷入局部最优）实在让人抓狂，前后两次的结果相差竟然有时候能达到30 以上，当时由于时间的原因，我只好选择了优化1000次，然后以其中的最小值最为最佳方案。虽然问题也算解决了，但是从学术上将，这种奔方法是让人很尴尬的。所以，我从网上下载了一个GA－PSO算法，试着利用GA和PSO组合的策略进行优化，结果算法很问题，效率和不错。我下载原始算法，有一个问题就是它是针对所有的设计变量上下限都是一样的，所以我对程序进行了修改与改进，现在可以处理上下限不一致的问题，同时fix了一些bug。现在把修改后的程序和大家分享一下，希望能对您有用.注意myfit需要用自己的函数，否则出错，因为我的myfit程序在调用过程中，需要使用matlab的Kriging工具箱 (a optimization method combining GA and PSO)

融合人工势场的蚁群路径规划算法，可以显示规划的路径以及最优长度与迭代次数对比曲线！