深蓝学院 - 移动机器人路径规划课程 专栏中保留全部课程，每一节课单独上传。需要整个课程包在专栏中获取。 课程包含了自动驾驶的路径规划方法，以及无人机的路径规划，涵盖了现有的算法中比较经典的算法讲解，和它们的演变过程，，有课后作业练习。

深蓝学院 - 移动机器人路径规划课程 专栏中保留全部课程，每一节课单独上传。需要整个课程包在专栏中获取。 课程包含了自动驾驶的路径规划方法，以及无人机的路径规划，涵盖了现有的算法中比较经典的算法讲解，和它们的演变过程，，有课后作业练习。

深蓝学院 - 移动机器人路径规划课程 专栏中保留全部课程，每一节课单独上传。需要整个课程包在专栏中获取。 课程包含了自动驾驶的路径规划方法，以及无人机的路径规划，涵盖了现有的算法中比较经典的算法讲解，和它们的演变过程，，有课后作业练习。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

提出了一种基于粒子群优化算法的移动机器人全局路径规划方法. 该方法首先进行环境地图建模, 通过坐
标变换在路径的起点与终点之间建立新地图, 然后利用粒子群优化算法获得一条全局最优路径. 该方法模型简单, 算
法复杂度低, 收敛速度快, 而且模型不依赖于障碍物的形状. 仿真实验证实了该方法的有效性.

为了提高蚁群算法的路径寻优效果和搜索效率,提出一种改进的蚁群算法,用于移动机器人在栅格环境下的路径规划. 在标准蚁群算法中,蚂蚁的搜索方式一般是4方向4邻域或者8方向8邻域,在此基础上提出一种16方向24邻域的蚂蚁搜索方式,给出蚂蚁的移动规则;针对启发信息,结合向量夹角的思想设计2种启发信息的计算方法,通过实验分析两种计算方法的使用特点;在转移概率部分引入转移概率控制参数,通过调整转移概率控 制参数可以调控算法的搜索范围. 最后,在不同规模的栅格地图环境下,通过实验仿真验证所提算法的有效性.

建立一种通信交流机制改进传统蚁群算法

研究机器人路径规划优化问题,机器人工作环境复杂,运动路径上存在许多障碍物.针对提高机器人安全导航性能问题,传统群智能算法存在早熟,搜索效率低等难题,难以获得全局最优路径.为了获得最优机器人运动路径,避免碰撞的发生,提出了一种人工蜂群算法的机器人路径规划方法.首先采用栅格法对机器人工作环境进行建模,然后机器人路径规划目标点作为蜜源,最后蜂群之间信息交换,协作搜索最优机器人运动路径.结果表明,人工蜂群算法解决了传统群智能算法存在的难题;加快了机器人路径规划求解速度,以较短时间找到最短机器人运动路径. ABC(Artificial BeesColony)算法最先由Basturk等人提出并应用于函数优化问题. 采蜜蜂采用贪婪准则，比较记忆中的最优解和邻域搜索解，当搜索解优于记忆最优解时，替换记忆解；反之，保持不变。在所有的采蜜蜂完成邻域搜索后，采蜜蜂跳摆尾舞与跟随蜂共享蜜源信息。跟随蜂根据蜜源信息以一定概率选择采蜜源，蜜量大的采蜜蜂吸引跟随蜂的概率大于蜜量小的采蜜蜂。同样，跟随蜂在采蜜源附近邻域搜索，采用贪婪准则，比较跟随蜂搜索解与原采蜜蜂的解，当搜索解优于原采蜜蜂的解时，替换原采蜜蜂的解，完

蚁群算法编写的移动机器人路径规划，障碍物可调，能直接运行

由于用PSO进行机器人路径规划的研究尚局限于用连续模型规划连续描述的环境中的路径，使算法受到一定的局限性。为此，研究了一种全新的基于栅格法的机器人路径规划二进制粒子群算法。首先用栅格法描述机器人工作环境，在此基础上，将机器人路径表示为粒子位置的二进制编码，并以路径长度为适应值，产生初始种群后，再对粒子位置和速度进行更新，经过多次迭代，即可获得从起始点到目标点的一条全局最优路径。该方法模型简单，算法复杂度低，收敛速度快，计算机仿真实验证明了该方法的有效性和先进性。