机器人路径规划MATLAB仿真，使用Q-Learning算法

AGV小车调度系统，可规划路径，自定义小车，站点，线路等。OpenTcs4.15

纯matlab 快速行进法用于路径规划，运行之前先运行mex 成功之后运行main

根据煤矿救援环境特点,采用人工鱼群算法对救援路径进行规划,在二维平面内建立环境模型,并采用威胁区域距离检测的方式处理优化约束条件。对不同数目参考点选取进行对比研究,增加参考点数目,路径长度增加,算法复杂程度提高,迭代时间延长,算法性能下降;参考点过少会导致路径规划成功率降低。仿真结果表明,设置合理的参考点数目,人工鱼群算法能在较短的迭代时间内成功规划得到最优路径。

我学习蚁群算法路径规划时，感觉比较非常有用的文档和matlab程序。 关于蚁群算法的参数设置研究.pdf 基于蚁群算法的机器人路径规划.pdf 蚁群算法在MATLAB中的实现.pdf 蚁群算法.m

针对静态二维环境下移动机器人全局路径规划问题,提出一种基于改进人工鱼群算法(IAFSA)和MAKLINK图的路径规划方法.该方法以Lorentzian函数和正态分布函数为视野和步长的自适应算子,引入指数递减惯性权重因子,能够提高AFSA算法的收敛速度和计算精度.MS(José Luis Esteves Dos Santos)算法结合IAFSA算法分步寻优,取IAFSA算法优化后的最优路径为全局最优路径,可以解决以往算法在MAKLINK图中只能求近似全局最优路径的问题.仿真实验结果表明了所提出改进算法方案的可行性和有效性.

一共有588个点，点是三维的点，其中两个为起点和终点，其余点分别为饮水点和篝火点，当路过饮水或者篝火点会增加饱食度和口渴度，当饱食度或者口渴度下降到一定值以后失败。 如果使用遍历，一共有587^586，587^100=7.3082e+276，遍历的话需要好久好久好久！！！因此采用这种方法很快

移动机器人路径规划一直是移动机器人领域里的重要技术问题。A*算法在最优路径搜索上有着比较成功的运用，但在栅格环境下的A*算法也存在着折线多、转折角度大等问题。在考虑移动机器人的实际工作环境及相关运动参数后，这些问题都将大大地影响移动机器人的工作效率。在对以上问题进行分析后提出了一种基于Bezier曲线与A*算法融合的方法来实现移动机器人的路径规划，再通过MATLAB、VREP仿真工具来实现Bezier_A*融合算法与平滑A*算法及A*算法的对比。通过Bezier_A*融合算法使得机器人在工作中的寻优能力、路径规划效率都得到较大的提高。

ros_wall_follower 路径查找算法

驾车路径规划_高德api.py 用于爬取高德地图API驾车路径规划