weixin_39498249的博客

机器人集群调度、路径规划、动态避障文献

拐点提取，曲率计算方法

可视化+热图+机器人路径规划

遗传算法的设计思路，解决调度问题

PCL学习及一些点云数据.rar

遗传算法求解TSP问题并得到最终的优化解，对学习遗传算法的初学者有一定的借鉴意义

使用蚁群算法在matlab软件平台上编译关于旅行商问题的程序、并得到最终的优化结果

用MATLAB语言编写tsp问题程序并仿真求解遍历34座城市最短路径。 1模拟退火首先从某个初始候选解开始，当温度大于0时执行循环。 2.在循环中通过随机扰动产生一个新的解，然后求得新解和原解之间的能量差，如果差小于0，则采用新解作为当前解。 3.如果差大于0，则采用一个当前温度与能量差成比例的概率来选择是否接受新解。温度越低，接受的概率越小，差值越大，同样接受概率越小。是否接受的概率用此公式计算：p=exp(-ΔE/T)。这里ΔE为新解与原解的差，T为当前的温度。由于温度随迭代次数逐渐降低，因此获得一个较差的解的概率较小。