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仿真代码

什么？ 基于JavaScript的迷宫求解器。 为什么？ 因为我可以。 如何？ 通过分析从下拉列表或文件浏览器中选择的图像，我们可以确定墙壁和路径在哪里。 白色（255、255、255、255）是路径，黑色（0、0、0、0）是墙。 起点应该在图像的顶部或左侧，并且应该是顶部或左侧墙上的唯一白色像素。 终点应该在底壁或右壁上，并且应该是底壁或右壁上的唯一白色像素。 我们仅将像素带到您可以转到两个不同方向或只能返回的位置。 途中的像素仅用于计算到下一个节点的距离。 迷宫呈现在画布上，并按比例尺输入中定义的比例尺进行缩放。 迷宫求解和找到的路径呈现在第二个画布上，在播放动画或以其他方法执行另一个求解时会清除该画布。 可以使用方法下拉列表选择寻路方法，并且可以在寻路过程中设置动画，或者等待寻路完成并随后播放动画。 可以加快动画速度，并将动画速度设置为0，动画将停止并且寻路方法将完成求解。

django_blockly

最短路例题——小X学游泳2 游泳池划分成了一个n×m的方格，这里n×m表示n行m列。因为游泳池里的水深浅不一，所以这n×m个方格对于小X的危险系数也会不一样。 而小X 目前需要从左上角的方格（1，1）出发，游到右下角的方格（n，m），小X每次只能从当前方格游到上下左右四个相邻的方格中的某一格，并且在到达终点前不能离开游泳池。 小X 很担心会发生什么危险，所以希望你能帮他找一条危险系数最小的路径。 输入要求 输入数据第一行有两个用空格隔开的正整数n和m，表示 泳池的行数和列数。 接下来共有n 行数据，每行有m 个用空格隔开的大于等于 0的整数，表示每个方格的危险系数 输出要求 输出仅有一行包含一个整数ans，表示要求的从左上角的 方格（1，1）出发，游到右下角的方格（n，m）的最小的 危险系数。 输入样例 4 5 1 7 2 8 2 3 10 1 5 1 2 8 3 7 1 1 2 1 20 1 输出样例 19

通过有趣的沙鼠走迷宫游戏，让大家掌握Q-学习算法的实质理论，并且帮助学院去动手写一个让机器思考的程序，理解机器学习。

以一个m×n的长方阵表示迷宫，0和1分别表示迷宫中的通路和障碍。设计一个程序，对任意设定的迷宫，求出一条从入口到出口的通路，或得出没有通路的结论。首先用二维数组存储迷宫数据，迷宫数据由用户输入。 一个以链表作存储结构的栈类型，然后编写一个求解迷宫的递归或非递归程序。求得的通路以三元组（i，j，d）形式输出，其中：（i，j）指示迷宫中的一个坐标，d表示走到下一坐标的方向（东、南、西、北四个方向所用代表数字，自行定义）

总体思路： 1）将迷宫中的每个像素视为连通图上的节点2) 将墙定义为具有高权重。 这确保墙壁将作为分隔符3) 使用 4-connected 邻域来链接相邻的像素/节点4）将迷宫图像转换为稀疏距离矩阵（类似于具有权重而不是权重的邻接矩阵）。 5）使用生物信息学工具箱中的graphshortestpath()找到最短路径

用opencv+vs2013做的迷宫求解程序，能自动标记迷宫的最佳路线，附图。opencv的环境需自己配置。

使用OpenCV完美迷宫求解器 该项目旨在找到完美迷宫的解决方案，完美迷宫的定义是从迷宫中的任何点到任何其他点只有一条路径的迷宫。 另外，迷宫没有难以接近的部分，没有圆形路径，也没有开放区域。 迷宫图像在浅色背景上应具有深色的墙壁。 为了生成迷宫，已经使用了在线迷宫生成器工具。 使用的工具 OpenCV3.4 Python 3.6 任务分析 OpenCV OpenCV（开源计算机视觉库）是一个开源计算机视觉和机器学习软件库。 OpenCV构建旨在为计算机视觉应用程序提供通用的基础结构，并加速在商业产品中使用机器感知。 该库具有2500多种优化算法，其中包括一整套经典和最新的计算机视觉和机器学习算法。 OpenCV应用领域包括： 面部识别系统 手势识别 人机交互（HCI） 移动机器人 运动理解 对象识别 等高线 轮廓可以简单地解释为连接具有相同颜色或强度的所有连续点（沿边界）的曲线。

一只猫和一只老鼠在一个矩形的迷宫中。迷宫中的每个方格可以是空的，或者含有障碍。猫和老鼠可以进入任意一个空的方格中。但是，无论猫或老鼠都不能进入有障碍的方格。现在,猫想捉到老鼠,它首先去计算如何才能最快走到老鼠的地方。要求: . 控制台程序. . 控制台输入: . 地图大小(长宽) . 障碍的出现的几率. . 猫的位置/老鼠的位置 . 控制台输出: . 原始的地图(格式参考上面) . 猫最少要走多步可以到达老鼠的位置. . 猫走的路径(用地图表示)