985工科博士毕业，专攻定位、导航和滤波等算法研究。从业10年，主要使用MATLAB

基于Dubins曲线的车辆轨迹规划MATLAB。通过设定起点、终点位姿（包含位置和朝向角度）以及最小转弯半径，自动计算出最优路径。提供了六种Dubins曲线组合（LSL、LSR、RSL、RSR、RLR、LRL）的几何求解方法，并从中选择总长度最短的路径方案。可直接修改示例中的起点、终点和转弯半径参数，运行代码即可获得规划轨迹和可视化结果。

本文实现并对比了TCN（时间卷积网络）和LSTM（长短期记忆网络）在信号降噪和拟合任务中的表现。通过MATLAB代码生成了含噪声的正弦信号数据，分别构建了TCN和LSTM模型进行训练和预测。结果显示，TCN和LSTM都能有效拟合原始信号，但TCN的误差曲线表现更稳定。代码可直接运行，包含完整的数据预处理、模型构建、训练和评估流程，并提供了信号曲线、误差曲线和训练过程的可视化结果。该方法适用于时序信号处理任务，如传感器数据降噪等应用场景。

本文提出了一种基于Q-learning算法的无人机三维路径规划方法。通过MATLAB仿真构建了稠密城市场景的3D栅格环境，设置随机障碍物并确保存在可行路径。算法采用epsilon-贪婪策略进行探索，通过调整学习率、折扣因子等超参数优化Q表。实验结果显示，经过20000次迭代训练后，无人机成功规划出避开障碍物的最优路径。代码提供了路径可视化、迭代曲线和命令行输出，验证了该方法在复杂环境中的有效性。参数可灵活调整以适应不同场景需求。

本文实现了一个基于灰色预测模型GM(1,1)的GDP预测系统，通过对比线性回归、二次多项式和指数平滑等传统方法，验证了灰色模型的优越性。代码完整实现了数据预处理、模型构建、可视化分析和误差验证全流程，并采用正则化最小二乘法优化参数估计。结果显示GM(1,1)在MAE、RMSE等指标上表现最优，其核心算法基于累加生成（AGO）和灰微分方程构建时间响应函数，通过累减还原（IAGO）得到预测值。模型验证阶段计算了后验差比值C和小误差概率P等灰色系统专用指标，为经济预测提供了可靠工具。

本文所述的MATLAB代码实现了完整的K-Means聚类算法演示，适用于数据聚类学习、算法验证。代码通过模拟数据生成、聚类分析、结果可视化及误差评估，直观展示了K-Means的工作原理和性能。

代码展示了 GMM 聚类算法在模拟数据上的具体实现，涵盖了从数据生成到结果评估的完整流程。通过 BIC 准则自动选择簇数并结合多种性能指标，使得该代码在教育和应用场景中具有较高的实用价值。

本文提出了一种基于LSTM的多输入单输出回归预测方法，主要应用于工业传感器数据分析。方法包含数据生成、预处理、模型构建与训练等完整流程，其中采用双LSTM层结构增强特征提取能力，滑动窗口技术构建时序监督数据。实验结果表明，模型在非线性工业数据预测中表现良好，通过RMSE（0.1452）、MAE（0.1128）和R²（0.9376）等指标验证了有效性。代码提供完整的可视化模块，包括预测对比曲线、误差分析和训练过程监控，可直接应用于实际工业场景。该实现采用MATLAB环境，支持参数灵活调整以适应不同应用需求。

本文提出了一种基于LSTM的多输入多输出回归预测模型，用于处理三维空间位置信息的噪声抑制和时序特征提取。模型采用双层LSTM架构，结合Dropout正则化和Adam优化器，通过滑动窗口方法构建训练序列。实验结果表明，该方法在预测三维坐标时表现出色，误差分布接近零均值正态分布。文中提供了完整的MATLAB实现代码，包括数据生成、模型训练、预测评估和可视化模块，特别适合工业传感器数据的真值估计应用。训练曲线和三维轨迹图直观展示了模型对非线性时序数据的捕捉能力。

本文提出一种基于贪心算法的垃圾运输路径优化方法，通过MATLAB实现30个垃圾收集点的运输路径规划。模型以最小化总行驶距离为目标，考虑车辆载重限制（5吨），采用最近邻策略分配运输任务，并可视化各车辆路径。结果显示算法能有效分配车辆并规划最优路径，为城市垃圾运输提供优化方案。代码可直接运行，输出路径方案和总行驶距离，适用于类似物流路径规划问题。未来可进一步改进算法效率或加入更多现实约束条件。

人工蜂群算法（Artificial Bee Colony, ABC）是一种基于蜜蜂觅食行为的群智能优化算法，因其参数少、易于实现及全局搜索能力强，在组合优化领域展现出广泛适用性。该算法通过模拟蜂群中雇佣蜂、观察蜂和侦查蜂的协作机制，在函数优化、投资组合优化、旅行商问题（TSP）及生物信息学中的蛋白质网络聚类等问题中表现优异。

四旋翼多机协同任务规划Demo。

这段代码展示了如何使用 MATLAB 的遗传算法工具箱来找到使目标函数最小化的变量值。通过设置算法参数、运行优化过程并可视化结果，用户可以直观地理解遗传算法的工作原理和效果。这种方法适合用于解决非线性优化问题，尤其是在目标函数复杂或多峰的情况下。如需帮助，或有导航、定位滤波相关的代码定制需求，请点击下方卡片联系作者。

我们将最小化以下函数：f(x)=x2+5sin⁡(x)f(x) = x^2 + 5\sin(x) f(x)=x2+5sin(x)以下是完整的 MATLAB 代码：代码说明目标函数定义：遗传算法选项：运行遗传算法：结果输出：这个示例提供了全局优化算法的基本实现，可以根据具体需求进行扩展和修改。

莱维飞行（Levy Flight）是一种基于随机游走的模型，广泛应用于优化、搜索和探索问题。其关键在于使用莱维分布生成随机步长，这种步长具有重尾特性，允许在短时间内进行较大的位移，从而提高搜索效率。莱维飞行的基本思想是模拟生物在寻找食物时的随机移动行为。与普通随机游走不同，莱维飞行的步长分布遵循幂律分布，具有长距离移动的能力。莱维飞行机制算法通过模拟生物的随机移动行为，具有高效的搜索能力，适用于各种优化问题。还可以根据需求调整参数和目标函数，以适应不同的应用场景。

鲸鱼优化算法（Whale Optimization Algorithm, WOA）是一种基于鲸鱼捕食行为的智能优化算法。它模拟了座头鲸在狩猎时的“气泡网”捕食策略。

传统算法精度高，能找到确定的值。贪心算法运算过程非常快，但是从两种不同贪心策略的计算结果不同这个事实即可认为贪心算法的解精度可能并不高，甚至会与真实值偏离较大，所以一般并不适用于作为某个求解问题的最终算法。

本文给出一个蚁群算法求解TSP问题的例程，附有完整的MATLAB代码可供参考。

订阅专栏后即可查看专栏中的所有完整文章，如有定制需求，请通过文末联系作者。

蚁群方法求解二元函数的最大值。蚂蚁群先随机分布在定义域内，如下：计算结束后，得到如下的分布，再计算分布均值，得到此时的自变量取值，因为是二元函数，所以有两个自变量，带入Fxy中，得到对应的因变量，因变量即为求得的函数最大值。

给了一个蚁群求一元函数最小值的算法，使用MATLAB编程，程序只有一个m文件，便于调试和运行。

智能算法是一类模仿自然界中智能生物行为的计算方法。它通过模拟生物的思维方式和学习能力，利用计算机技术解决复杂问题。智能算法具有自适应性、自组织性和自学习性等特点，能够在搜索空间中找到最优解或接近最优解。

蚁群算法是一种优化算法，灵感来源于蚂蚁在寻找食物过程中的行为。它模拟了蚂蚁相互之间合作的行为，通过蚂蚁对于环境的反馈和信息交流，来寻找问题的最优解。蚁群算法通常应用于求解组合优化问题，例如旅行商问题（TSP）、车辆路径问题（VRP）等。它的基本思想是将问题转化为蚂蚁在解空间中搜索的过程。具体来说，蚁群算法包含以下步骤：初始化蚂蚁的位置和信息素：蚂蚁随机分布在解空间中，每个位置都有一个信息素值。蚂蚁遍历解空间：蚂蚁根据一定的概率选择下一个位置，该概率受到当前位置的信息素和启发式信息的影响。