参考《图论算法及其MATLAB实现 王海英 北航》

路径规划算法仿真 A星算法 传统A*(Astar)算法+改进后的A*算法 Matlab代码 可以固定栅格地图与起点终点 可以进行定量比较 改进： ①提升搜索效率（引入权重系数） ②冗余拐角优化（可显示拐角优化次数） ③路径平滑处理（引入梯度下降算法配合S-G滤波器） 想要的可以加好友我 先发传统A＊代码确认可以运行后补发改进后的A*算法完整程序 代码含注释

FMCW RADAR 2D CFAR算法MATLAB 仿真，可直接下载运行。 如有问题，欢迎联系博主。

DG储能选址定容模型matlab 程序采用改进粒子群算法，考虑时序性得到分布式和储能的选址定容模型，程序运行可靠

使用MATLAB软件进行A*算法机器人路径规划代码编程仿真，得到多机器人路径规划仿真路径及坐标图，从空间、时间等不同角度进行分析，以清晰的机器人路径轨迹直观的展现多机器人在路径规划过程中的轨迹情况，并通过时空规划图和平面规划图的形式展现仿真结果，在机器人仿真程序中可对机器人起始坐标进行更改，以提供不同的机器人起始坐标，同时也可增加或减少机器人的数量，同时展现出更多机器人在路径规划过程中的情况。

A星融合DWA的路径规划算法，可实现静态避障碍及动态避障,代码注释详细,matlab源码

除了数学规划方法之外，还可采用智能优化算法求解双层优化问题，一般在上层优化中采用智能优化算法，下层优化使用数学规划方法；也可以在上下层优化中都采用智能优化算法，这篇博客将进行详细介绍。算例依旧使用上面两篇博客中的线性双层优化问题，由于这个优化问题比较简单，我们采用最基础的粒子群算法进行求解。​ 资源包括三个部分： 1.基础粒子群算法的matlab代码 2.采用粒子群算法求解带约束的优化问题matlab代码 3.采用粒子群算法求解双层优化问题的matlab代码 智能优化算法无法避免的问题，即使是一个非常简单的目标函数，求出的结果也无法保证是全局最优，那么当目标函数变复杂时，情况将会更糟糕。现在对智能优化算法的研究非常多，各种动植物园算法、各种改进都层出不穷，但还是无法从根本上解决算法无法保证全局收敛的问题。         所以，只有在数学模型比较复杂，非线性条件很多，而且对结果的误差是可以接受的情况下，才建议使用智能优化算法进行求解。

RRT算法三维无人机路径规划（matlab）

终端滑模控制设计 包括一篇外文文献和matlab仿真程序

关于 UWB 定位的五种定位算法的 Matlab 脚本。这五种算法是扩展卡尔曼滤波器 (EKF)、无迹卡尔曼滤波器 (UKF)、基于泰勒级数的位置估计、三边测量和多边测量方法。 提供了有关 UWB 定位系统的五种定位算法的 Matlab 脚本及其相应的实验数据。这五种算法是扩展卡尔曼滤波器 (EKF)、无迹卡尔曼滤波器 (UKF)、基于泰勒级数的位置估计技术、三边测量和多边测量方法。正在研究的 UWB 系统被假定为状态空间模型。恒速 (CV) 运动模型和恒加速度 (CA) 运动模型可用作状态模型，用于在此 repo 中实现上述 UWB 定位和导航系统