基于MapReduce实现物品协同过滤算法（ItemCF）

一种新的基于属性重要性的粗糙集值约简算法，共同学习，共同进步

二维激光slam导航算法move_base改进版本 通过在move_base_params.yaml中配置参数可实现移动机器人的二次调整，解决机器人定位精度设置太高而影响到达目标点的概率底的问题。 pid_kp: 0.5 pid_kd: 0.5 pid_ki: 0.1 #超时时间 pid_time_out: 200 #目标位置精度,不依靠导航调整,自动通过pid调整 pid_xy_goal_tolerance: 0.005 #目标角度精度,不依靠导航调整,自动通过pid调整 pid_yaw_goal_tolerance: 0.005 #目标位置精度容忍值 pid_tolerate_xy_goal_tolerance: 0.01 #目标角度精度容忍值 pid_tolerate_yaw_goal_tolerance: 0.01 #大于30cm时不能调整，误差太大 pid_distance_threshold: 0.3 pid_isStartPid: true #是否是全向底盘 isOmni: false 视频地址：https://b23.tv/JYhZ8ig

通过本次实验，将老师在课堂上讲解的曲线和曲面算法进行具体代码的实现，算法实现过程中遇到了一些问题，比如使用不同算法进行曲线绘制的时候，对于控制点和顶点的初始化把握不是很好，一开始实现了算法想定义一些点进行测试，结果绘制的效果不是很理想，通过百度查询以及搜索相关的资料，结合自己所写的代码，最终解决了问题并且可以实现交互式绘制曲线，曲面的绘制是在曲线的绘制基础上进行的，所以在实现的各个算法的曲线绘制后，通过复习老师上课讲的曲面绘制算法，也是成功完成了实验，但是一开始感觉绘制的曲面不好看，看到了曲面的光照处理，加以运用到代码当中去，这样使得曲面的效果更加好看。

通过本次实验，将老师在课堂上讲解的曲线和曲面算法进行具体代码的实现，算法实现过程中遇到了一些问题，比如使用不同算法进行曲线绘制的时候，对于控制点和顶点的初始化把握不是很好，一开始实现了算法想定义一些点进行测试，结果绘制的效果不是很理想，通过百度查询以及搜索相关的资料，结合自己所写的代码，最终解决了问题并且可以实现交互式绘制曲线，曲面的绘制是在曲线的绘制基础上进行的，所以在实现的各个算法的曲线绘制后，通过复习老师上课讲的曲面绘制算法，也是成功完成了实验，但是一开始感觉绘制的曲面不好看，看到了曲面的光照处理，加以运用到代码当中去，这样使得曲面的效果更加好看。

通过本次实验，将老师在课堂上讲解的曲线和曲面算法进行具体代码的实现，算法实现过程中遇到了一些问题，比如使用不同算法进行曲线绘制的时候，对于控制点和顶点的初始化把握不是很好，一开始实现了算法想定义一些点进行测试，结果绘制的效果不是很理想，通过百度查询以及搜索相关的资料，结合自己所写的代码，最终解决了问题并且可以实现交互式绘制曲线，曲面的绘制是在曲线的绘制基础上进行的，所以在实现的各个算法的曲线绘制后，通过复习老师上课讲的曲面绘制算法，也是成功完成了实验，但是一开始感觉绘制的曲面不好看，看到了曲面的光照处理，加以运用到代码当中去，这样使得曲面的效果更加好看。

通过本次实验，将老师在课堂上讲解的曲线和曲面算法进行具体代码的实现，算法实现过程中遇到了一些问题，比如使用不同算法进行曲线绘制的时候，对于控制点和顶点的初始化把握不是很好，一开始实现了算法想定义一些点进行测试，结果绘制的效果不是很理想，通过百度查询以及搜索相关的资料，结合自己所写的代码，最终解决了问题并且可以实现交互式绘制曲线，曲面的绘制是在曲线的绘制基础上进行的，所以在实现的各个算法的曲线绘制后，通过复习老师上课讲的曲面绘制算法，也是成功完成了实验，但是一开始感觉绘制的曲面不好看，看到了曲面的光照处理，加以运用到代码当中去，这样使得曲面的效果更加好看。

通过本次实验，将老师在课堂上讲解的曲线和曲面算法进行具体代码的实现，算法实现过程中遇到了一些问题，比如使用不同算法进行曲线绘制的时候，对于控制点和顶点的初始化把握不是很好，一开始实现了算法想定义一些点进行测试，结果绘制的效果不是很理想，通过百度查询以及搜索相关的资料，结合自己所写的代码，最终解决了问题并且可以实现交互式绘制曲线，曲面的绘制是在曲线的绘制基础上进行的，所以在实现的各个算法的曲线绘制后，通过复习老师上课讲的曲面绘制算法，也是成功完成了实验，但是一开始感觉绘制的曲面不好看，看到了曲面的光照处理，加以运用到代码当中去，这样使得曲面的效果更加好看。

TSP(旅行商) 问题代表组合优化问题, 具有很强的工程背景和实际应用价值, 但至今尚未找到非常有效的求解方法.为此,讨论了最近研究比较热门的使用各种智能优化算法(蚁群算法、遗传算法、 模拟退火算法、 禁忌搜索算法、Hopfield神经网络、 粒子群优化算法、 免疫算法等) 求解TSP 问题的研究进展,指出了各种方法的优缺点和改进策略.最后总结并提出了智能优化算法求解TSP 问题的未来研究方向和建议.

通过本次实验，将老师在课堂上讲解的曲线和曲面算法进行具体代码的实现，算法实现过程中遇到了一些问题，比如使用不同算法进行曲线绘制的时候，对于控制点和顶点的初始化把握不是很好，一开始实现了算法想定义一些点进行测试，结果绘制的效果不是很理想，通过百度查询以及搜索相关的资料，结合自己所写的代码，最终解决了问题并且可以实现交互式绘制曲线，曲面的绘制是在曲线的绘制基础上进行的，所以在实现的各个算法的曲线绘制后，通过复习老师上课讲的曲面绘制算法，也是成功完成了实验，但是一开始感觉绘制的曲面不好看，看到了曲面的光照处理，加以运用到代码当中去，这样使得曲面的效果更加好看。