agv源码，包含小车部分，适用于轨道交通仿真，算法验证 物流运输等场景最短路径规划.

提出了一种基于移动代理的并行路由算法，通过对网络节点间的多条并行链路的充分利用，提高网络带宽的利用率，减少移动代理从源节点到目的节点的迁移响应时间。仿真实验结果表明，与著名的蚁群算法和遗传算法的性能相比，该并行路由算法具有更高的网络利用率，同时具有更短的平均延迟时间，提高了应用系统的运行效率。

代码对应我写的文章《平行泊车系统路径规划（5）》里的仿真章节，包括3个不同区域的仿真和车辆姿态调整的一个仿真

本文以某 SUV 车型为研究对象，建立车辆在低速时的运动学模型，通过逆 向路径规划分析平行泊车和垂直泊车过程中可能发生的碰撞点，计算一次性完 成泊车所需的最小泊车空间以及确定泊车的初始点；实车试验采集泊车过程的 数据，采用不同的数据样本用于粒子群优化的神经网络，避免对安全距离等多 种约束关系的分析，使生成的泊车路径能较好适用于实际泊车过程。仿真结果 和实车试验均表明按照上述方法生成的路径泊车成功率较高；结合模糊控制和 神经网络理论，建立泊车模糊控制器，经过对不同大小的泊车位进行泊车仿真， 采用多步入库的方式，汽车能在更小的空间内完成泊车，泊车路径更合理和安 全。