针对复杂环境下移动机器人的局部最优路径规划，提出一种基于目标偏置扩展和Cantmull-Rom样条插值的双向RRT*路径规划算法.双向RRT*算法同时创建两颗搜索树，交替进行相向搜索，同时以一定的概率进行随机点的目标偏置选择，以提高算法的整体收敛效率;再对当前节点重选父节点和重布线，以增强算法对环境的敏感程度.为确保路径安全可行，对环境中的障碍物进行膨胀处理，再对初始路径进行碰撞检测;修剪冗余节点，缩短可行路径长度，再利用Cantmull-Rom样条插值法平滑路径.在Matlab仿真平台和ROS机器人仿真平台分别进行2D和3D的对比实验，验证了改进双向RRT*算法的有效性和优越性.
2023-12-19 18:46:55
202KB
1
蜜蜂CNN模糊进化深度学习算法（人脸识别，智能优化算法，MATLAB源码分享）
在训练阶段之后，可以使用进化算法拟合深度学习权重和偏差。
这里，CNN用于对8个人脸类别进行分类。
在CNN训练之后，创建初始模糊模型以帮助学习过程。
最后，CNN网络权重（来自全连接层）使用蜜蜂算法训练，以自然启发的方式进行拟合（这里是蜜蜂的行为）。
可以将数据与任意数量的样本和类一起使用。
请记住，代码的参数是根据数据进行调整的，如果要替换数据，可能需要更改参数。
图像数据大小为64*64，2维，存储在“CNNDat”文件夹中。
因此，重要的参数如下：
“numTrainFiles”=您必须根据每个类中的样本数量来更改它。
例如，如果每个类有120个样本，那么90个就足够好了，因为90个样本用于训练，而其他样本用于测试。
“imageInputLayer”=图像数据的大小，如[64 64 1]
“fullyConnectedLayer（完全连接层）”=类的数量，如（8）
“MaxEpochs”=越多越好，计算运行时间越长，如405。
“ClusNum”=模糊C均值（FCM）聚类数，如3或4很好
2023-11-04 15:30:57
485KB
1
LTE(Long Term Evolution)系统中采用许多增强型的技术来提高系统性能，使系统相对于以往系统具有更高的复杂性。如何对采用LTE技术的无线通信系统建模与仿真将是一个有意义的问题。此外，一般的链路级仿真只是简单的点到点系统评估，与实际的多小区，多用户，多业务的系统有很大差别，因此需要用系统级仿真来评估实际系统的性能。附件是一套LTE系统仿真matlab源码。
2023-11-01 23:56:59
1.58MB
1
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
2023-08-25 16:06:47
168KB
1