非线性规划有约束极小问题 模型: MATLAB求解此问题的命令是: [x,fval,exitflag,output,lambda,grad,hessian]=fmincon(‘fun’,x0,A,b,A1,b1,LB,UB,’nonlcon’,options,p1,p2,…) fun是目标函数的m_文件名.nonlcon是约束函数C(x)和C1(x)的m_文件名.文件输出为[C,C1].
2022-07-28 08:57:42 1.82MB 方法讲解
1
teb_local_planner ROS软件包 teb_local_planner软件包为2D导航堆栈的base_local_planner实现了一个插件。 称为“定时弹性带”的基础方法可以在轨迹执行时间,与障碍物的分离以及在运行时遵守运动动力学约束的方面局部优化机器人的轨迹。 有关更多信息和教程,请参考 。 旋律开发分支的构建状态: ROS Buildfarm(节奏乐团): 引用软件 由于花费了大量时间和精力进行开发,因此,如果您使用计划程序进行自己的研究,请至少引用以下出版物之一: C.Rösmann,F。Hoffmann和T. Bertram:独特拓扑结构中的集成在线轨迹规划和优化,《机器人技术和自治系统》,第1卷。 88,2017年,第142–153页。 C.Rösmann,W。Feiten,T。Wösch,F。Hoffmann和T. Bertram:考虑自主机器人动态
2022-07-28 08:30:13 229KB navigation path-planning ros mobile-robots
1
分布式电源(DG)出力以及电动汽车(EV)充电的不确定性给配电网规划带来巨大挑战。首先,利用季节场景与时段划分法构建DG和常规负荷时序特性模型;其次,利用蒙特卡洛模拟法和交通起讫点分析法构建EV充电负荷时空分布模型;最后,基于2个模型得到的配电网各节点各时刻的DG出力、不同类型常规负荷及EV充电负荷,以配电网运营商年收益最大为目标函数,充分考虑网架新建、网架替换和DG选址定容等因素,构建考虑时序特性含DG和EV的配电网机会约束规划模型,并采用蒙特卡洛模拟嵌入双种群协同进化遗传算法的方法对模型进行求解。以某配电网为算例,验证了所提模型和算法的合理性和有效性。
1
机器人控制仿真程序,全书以机器人为对象,共分10章,包括先进PID控制、神经网络自适应控制、模糊自适应控制、迭代学习控制、反演控制、滑模控制、自适应鲁棒控制、系统辨识和路径规划。每种方法都给出了算法推导,实例分析和相应的MATLAB仿真设计程序
城乡规划ARCGIS匹配样式符号库
2022-07-26 19:26:50 572KB 城乡规划 G1G2G3 A1A2A3
1
联想机柜规划工具,规划机柜
2022-07-26 14:06:05 2.57MB 工具 设计 机房
1
四、光栅方程的一般形式与谱线弯曲 在( 式中所表示的光栅方程,仅是光线在光栅主截面 内入射和衍射的特殊情况。在实际的光谱仪器中,狭缝都是有一 定高度的。从缝上不同点发出的光束都是以不同的角度斜入射到 光栅面上,即这些光束是对主截面倾斜的。经光栅衍射后的衍射 光束显然也不在主截面上,并且其衍射角也不等于在主截面上的、 由狭缝中点发出的光束的衍射角,这就和棱镜一样会导致光谱线 的弯曲。 为求得斜入射情况下光栅的衍射,即光栅方程的一般形式,首 先在光栅上建立一个直角坐标系:把直角坐标系 置于光的原点 平面和光栅表面重合, 轴平栅面的中心; 行于光栅刻痕; 轴即为通过光栅中心的法线, 平面即为主截面。 如图 所示,使狭缝端点发出的斜射主光线 通过坐标 原点,另一条与 点,之平行的相邻光线入射到光栅上的 点的 坐标是 。从 点向 和它的衍射光线 分别作垂线,垂 足 。则和是 是这两条相邻入射光线的光程差, 是两条 相应的相邻衍射光线的光程差,总光程差为
2022-07-26 09:10:40 7.29MB 光谱仪器原理
1
基于人工势场法三维路径规划matlab仿真+含代码操作演示视频 运行注意事项:使用matlab2021a或者更高版本测试,运行里面的Runme.m文件,不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。
2022-07-26 08:26:07 364KB matlab 源码软件 开发语言 人工势场法
线性规划的教学PPT,内容丰富,课件质量很高,非常适合学习
2022-07-25 23:26:20 1.92MB 666
1
1. 只能针对数据并行场景建模资源使用情况,对模型并行几乎没有支撑 2. 完成时间的预测一般针对DL训练作业只能使用同构资源 3. 模型并行的设备放置过程,也只
2022-07-25 17:01:28 7KB 毕业设计 深度学习 aws 算法
1