蚁群算法求解机器人路径规划。。。二维环境下，可以出结果的
标签： 蚁群路径规划
上传时间： 2015-10-13
上传用户：tjuqqq
被称为路径规划圣经，详细介绍了整个算法，有助于入门
标签： 路径规划书籍
上传时间： 2017-10-19
上传用户：xyodfish
Q-learning在机器人路径规划中的应用
标签： Q-learning
上传时间： 2018-03-28
上传用户：wangshengmin
强化学习中的Q-Learning在路径规划中的应用
标签： Q-Learning planning path
上传时间： 2018-03-28
上传用户：wangshengmin
基础材料 精准测试是一种较为新的测试方式，通过插入探针的方式，监控测试执行的代码路径。采集数据进行各种分析管理。
标签： 测试
上传时间： 2019-03-18
上传用户：hemiao23333
遗传算法就是在一定的自变量有限的取值范围内，随机取若干个个体，每个个体相当于自变量范围内的一个取值，若干个个体共同组成一个种群，个体对于环境的适应能力体现为该个体对应的因变量，不同的个体得到的结果不同，对于结果较好的个体，其下一代在种群中的占比更高，对于结果不好的个体，其下一代在种群中的占比会更少，简单来说，就是好的个体被保留，坏的个体被淘汰。经过不断的更新换代，最后结果会不断逼近最优的结果。
上传时间： 2019-09-17
上传用户：zxchen
解读百度自动驾驶平台Apollo中关于全局路径规划Routing模块的部分。
上传时间： 2021-11-09
上传用户：aben
移动机器人导航与定位技术随 着 计 算机 技 术 、微 电 子 技 术 、网 络 技 术 等 的快 速 发 展 ，特 别是 通 讯 技 术 的进 步 。机 器 人 技 术 也 得 到 了飞 速 发 展 ，移 动机 器 人 的 关键 技 术 得 到 深 入 而 广 泛 的研 究 。并 且 部 分 已经 走 向成 熟 ， 移 动 机 器 人 应 用 领 域 不 断扩 展 ，与 制 造 业 相 比 ，移动 机 器 人 的 工 作 环 境 具 有 非 结 构 化 和 不 确 定 性 。因而 对机 器人 的要 求 更 高 。不 仅 要 求 机 器 人 完 成 一 定 的 功 能 ，还 需 要 机 器 人具 有 行 走 功 能 。对 外感 知 能力 以及 局 部 的 自主 规 划 能 力等 ，因 此 移 动机 器 人 的 导 航 与 定位 技 术 成 为 智 能机 器 人 领 域 的一 个 重 要 研 究 方 向 ．也 是 智 能移 动 机 器 人 的一 项 关 键 技 术 。 多年 来 国际 国 内都 有 大 量 的 科技 工 作 者 致 力 于 这 方 面 的研 究 开 发 工作 ．因 而 对 许 多 问题 的 认 识 与求 解 都 取 得 了长 足 的 发 展 。在 某 些特 定 的 应用 领 域 ，移 动 机 器人 导航 技 术 已得 到 了实 际 应用 。本 文 介 绍 了移 动机 器人 导 航 技 术 研 究 中的 相 关 关 键 技 术 。 2移动 机 器 人导 航 与定位 研 究 的 目的 移 动 机 器 人 根 据 运 动 行 为 方 式 分 为 自主 和 半 自主 式 ．根 据 应 用 的环 境 有 室 内和 室 外 机器 人之 分 。无 论 哪 种 移动 机 器人 。在 它的运动过程 中始终要求解决 自身的导航与定位 问题 ．也就是 Dm．~ntWhyte提 出 的 三 个 问 题 ：(1)”我 现 在 何 处 ?”，(2)”我 要 往 何 处 去 ?”，(3)”要 如 何 到 该 处 去?”。其 中 问题 (1)是 移 动 机 器 人 导 航 系统 中 的定 位 及 跟 踪 问题 ，(2)(3)是 移 动机 器人 导 航 系 统 中 的 路径 规划 问题 。移 动 机 器 人 导航 与 定位 技 术 研 究 的 目的 就 是 解 决上 面 的 3个 问题 ．给 出 已知 和 未 知 环 境 下 移 动机 器 人 实 时 导 航 与 定 为 控 制 的 理 论 、方 法 与 关 键 技 术 ，并 验 证 该 理 论 与 方 法 的 的 实用 性 ：提 出适 应 多种 环境 的 实 时导 航 策 略 和 具 有 良好 可 扩 展 性 的 移动 机 器 导航 体 系 结 构 ：未知 环 境 中 移 动 机 器 人 的 快 速环 境 建模 与 定 位 方 法 ：未 知环 境 中基 于 传 感 器 的 移 动 机 器 人 局部 运 动 规 划 理 论 与 方 法 ：与 未 知环 境 中移 动 机 器 人 导 航 控 制 相 关 的机 器 学 习的 基 础 理 论 与 方 法 ；移 动 机 器 人 的 故 障 自诊
上传时间： 2022-02-12
上传用户：xsr1983
神经网络在智能机器人导航系统中的应用研究1神经网络在环境感知中的应 用 对环境 的感 知 ，环境模型 妁表示 是非常重要 的。未 知 环境中的障碍物的几何形状是不确定的，常用的表示方浩是 槽格法。如果用册格法表示范围较大的工作环境，在满足 精度要求 的情况下，必定要占用大量的内存，并且采用栅 格法进行路径规划，其计算量是相当大的。Kohon~n自组织 神经瞬络为机器人对未知环境的蒜知提供了一条途径。 Kohone~冲经网络是一十自组织神经网络，其学习的结 果能体现出输入样本的分布情况，从而对输入样本实现数 据压缩 。基于 网络 的这些特 性，可采 用K0h0n曲 神经元 的 权向量来表示 自由空间，其方法是在 自由空间中随机地选 取坐标点xltl【可由传感器获得】作为网络输入，神经嘲络通 过对大量的输八样本的学习，其神经元就会体现出一定的 分布形 式 学习过程如下：开 始时网络的权值随机地赋值 ， 其后接下式进行学 习： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神经元 1在t时刻对 应的权值 ；a(∽ 谓整系 数 ； (『l网络的输八矢量；Ⅳ()：学习的 I域。每个神经元能最 大限度 地表示一 定 的自由空间 。神经 元权 向量的最 小生成 树可以表示出自由空问的基本框架。网络学习的邻域 (，) 可 以动 态地 定义 成矩形 、多边 形 。神经 元数量 的选取取 决 于环境 的复杂度 ，如果神 经元 的数量 太少 ．它们就 不能 覆 盖整十空间，结果会导致节点穿过障碍物区域 如果节点 妁数量太大 ．节点就会表示更多的区域，也就得不到距障 碍物的最大距离。在这种情况下，节点是对整个 自由空间 的学 习，而不是 学习最 小框架空 间 。节 点的数 量可 以动态 地定义，在每个学习阶段的结柬．机器人会检查所有的路 径．如检铡刊路径上有障碍物 ，就意味着没有足够的节点 来 覆盖整 十 自由窑 间，需要增加 网络节点来 重新学 习 所 138一 以为了收敛于最小框架表示 ，应该采用较少的网络 节点升 始学习，逐步增加其数量。这种方法比较适台对拥挤的'E{= 境的学习，自由空间教小，就可用线段表示；若自由空问 较大，就需要由二维结构表示 。 采用Kohonen~冲经阿络表示环境是一个新的方法。由 于网络的并行结构，可在较短的时间内进行大量的计算。并 且不需要了解障碍物的过细信息．如形状、位置等 通过 学习可用树结构表示自由空问的基本框架，起、终点问路 径 可利用树的遍 历技术报容易地被找到 在机器人对环境的感知的过程中，可采用人】：神经嘲 络技术对 多传 感器的信息进 行融台 。由于单个传感器仅能 提 供部分不 完全 的环境信息 ，因此只有秉 甩 多种传感器 才 能提高机器凡的感知能力。 2 神经 网络在局部路径规射中的应 用 局部路径 规删足称动吝避碰 规划 ，足以全局规荆为指 导 利用在线得到的局部环境信息，在尽可能短的时问内
上传时间： 2022-02-12
上传用户：qingfengchizhu
动态规划的代码~LCS存路径DP：）状态压缩。。
上传时间： 2017-05-15
上传用户：Pzj
