利用模拟退火-粒子群算法进行全局路径规划后，设置动态障碍物进行DWA局部规划，仅是将两种方法进行融合，没什么难度一看就会，详细讲解请移步至https://blog.csdn.net/weixin_53293018/article/details/129802545?spm=1001.2014.3001.5501

题目 在一个火车旅行很受欢迎的国度，你提前一年计划了一些火车旅行。在接下来的一年里，你要旅行的日子将以一个名为 days 的数组给出。每一项是一个从 1 到 365 的整数。 火车票有三种不同的销售方式： 一张为期一天的通行证售价为 costs[0] 美元； 一张为期七天的通行证售价为 costs[1] 美元； 一张为期三十天的通行证售价为 costs[2] 美元。 通行证允许数天无限制的旅行。 例如，如果我们在第 2 天获得一张为期 7 天的通行证，那么我们可以连着旅行 7 天：第 2 天、第 3 天、第 4 天、第 5 天、第 6 天、第 7 天和第 8 天。 返回你想要完成在给定的列表

在本文中，我们考虑了为连续时间非线性系统开发控制器的问题，其中控制该系统的方程式未知。 利用这些测量结果，提出了两个新的在线方案，这些方案通过两个基于自适应动态编程（ADP）的新实现方案来合成控制器，而无需为系统构建或假设系统模型。 为了避免对系统的先验知识的需求，引入了预补偿器以构造增强系统。 通过自适应动态规划求解相应的Hamilton-Jacobi-Bellman（HJB）方程，该方程由最小二乘技术，神经网络逼近器和策略迭代（PI）算法组成。 我们方法的主要思想是通过最小二乘技术对状态，状态导数和输入信息进行采样以更新神经网络的权重。 更新过程是在PI框架中实现的。 本文提出了两种新的实现方案。 最后，给出了几个例子来说明我们的方案的有效性。 （C）2014 ISA。 由Elsevier Ltd.出版。保留所有权利。

几道动态规划的经典算法 非常经典 值得分享

针对一类未知的连续非线性系统, 提出一个基于单网络近似动态规划(ADP) 的近似最优控制方案. 该方
案通过设计一个新型的递归神经网络(RNN) 辨识器放松了系统模型需已知或部分已知的要求, 并利用一个神经网
络(NN) 近似系统的性能指标函数消除了常规ADP方法中的控制网络. 通过Lyapunov 理论分析严格证明了闭环系
统内所有信号一致最终有界, 并且所获得的性能指标函数和控制输入分别收敛到最优性能指标函数和最优控制输入
的小邻域内. 仿真结果验证了所提出控制方案的有效性.

４、二点二次插值法 利用函数在单谷区间中的两个端点的函数值和一个端点的导数值：

为了求解有限时域最优控制问题, 自适应动态规划(ADP) 算法要求受控系统能一步控制到零. 针对不能一步控制到零的非线性系统, 提出一种改进的ADP 算法, 其初始代价函数由任意的有限时间容许序列构造. 推导了算法的迭代过程并证明了算法的收敛性. 当考虑评价网络的近似误差并满足假设条件时, 迭代代价函数将收敛到最优代价函数的有界邻域. 仿真例子验证了所提出方法的有效性.

自适应动态规划(近似动态规划)——ADP MATLAB_MATLAB编程

针对现有的案件处理系统功能单一、效率低、缺乏并行处理和协调优化能力，无法满足现代案件处理需求的问题，基于改进Petri网的工作流技术，解析案件处理特征，对案件处理系统动态过程进行规划、调度和调整，在建模过程中引入Petri网分布式处理框架和工作流的路由结构、触发机制，建立了一种改进Petri的网工作流案件分布式处理系统模型，并对模型进行定义化描述和合理性验证，为司法部门案件处理提供高效、安全、可靠的平台。

许多随机动态程序 (DP) 具有弱耦合结构，因为每个周期中的一组链接约束耦合了原本独立的子问题集合。 此类问题的两个广泛研究的近似是近似线性规划 (ALP)，它涉及优化在子问题之间相加分离的值函数近似，以及拉格朗日松弛，其中涉及放宽链接约束。 众所周知，这两种近似都提供了所有状态下最优值函数的上限，而 ALP 在初始状态下提供了更严格的上限。 这篇短文的目的是为这些上限即使不相同也常常接近这一事实提供理论依据。 我们表明： (i) 对于任何弱耦合 DP，这两个上限之间的差异 --- 松弛间隙 --- 根据 ALP 内约束分离问题的完整性间隙从上方有界； (ii) 如果子问题奖励是统一有界的，并且链接约束上的一些广泛适用的条件成立，则松弛间隙由与子问题数量无关的常数从上方限定； (iii) 当子问题动作是二元的并且链接约束具有单模结构时，松弛间隙为零。 (iii) 的条件在几个广泛研究的问题中成立：不安分的强盗问题、在线随机匹配问题、网络收入管理问题和重新定位资源的价格导向控制。 这些发现概括并统一了现有的结果。