路径规划算法，传统人工势场法，可实现全局路径避障。

适合路径规划相关科研工作者、无人驾驶工程师等学习。

Xo=[0,0];%起点位置 k=10;%计算引力需要的增益系数 K=0;%初始化 m=1;%计算斥力的增益系数，自己设定 d=2;%障碍影响距离，当障碍和车的距离大于这个距离时，斥力为0，即不受该障碍的影响,自己设定 n=10;%障碍个数 l=0.5;%步长 J=200;%循环迭代次数 X_target=[10,10]; X_obs=[1 1.5;3 3;4 4.5;3 6;6 2.5;5.5 7;8 8.5;9,9.5;10 5;7 6];%这个向量是n*2维，障碍的位置 X_robot=Xo;%X_robot是机器人的定位坐标,将车的起始坐标Xo赋给X_robt

针对传统人工势场法存在局部极小点，而且容易导致路径规划失效的问题，通过改进的人工势场法，可以解决局部极小问题，使机器人尽快跳出局部极小点．从而有效地克服了机器人在障碍物附近出现的反复震荡或停止不前等问题，使机器人运动轨迹更平滑，从而更接近最优路径．仿真实验结果说明此方法有效．

1.基础的A*算法实现。 2.基础的蚁群算法实现。 3.改进人工势场法算法实现。 二维栅格地图。

一种对于六足机器人的改进的路径规划算法的介绍，基于人工势场法与模糊规则相结合，对于经典人工势场法引起的路径震荡以及未知的动态地图的路径规划有较好的作用。文档为期刊，仅供学术交流，没有代码，请谨慎下载。

对传统的人工势场算法matlab的仿真实验，只为给读者提供最原始简介的实验环境，避免因为过度的改进造成不必要的理解误区。该实验程序可自由定义栅格地图大小，自由定义障碍物的摆放位置与数量，同时也可以生成随机地图验证自己的算法。希望可以帮到更多人。

提出一种全局静态环境下移动机器人路径规划的改进势场蚁群算法.该算法采用人工势场法求得的初始路径和机器人与下一个节点之间的距离综合构造启发信息,并引入启发信息递减系数,避免了传统蚁群算法由于启发信息误导所致的局部最优问题;依据零点定理, 提出初始信息素不均衡分配原则,不同的栅格位置赋予不同的初始信息素,降低蚁群搜索的盲目性,提高算法的搜索效率;设定迭代阈值,自适应调节信息素挥发系数,使得该算法具有较高的全局搜索能力,避免出现停滞现象.仿真结果验证了所提出算法的可行性和有效性.

【路径规划】基于人工势场的无人机编队协同路径规划matlab源码.zip

采用人工势场方法进行路径规划，编队控制，可以得到良好效果