摘要：针对移动机器人路径规划全局最优、实时避障的需求，提出了一种融合改进Ａ＊ 算法和动态窗口法的全局动态路径规划方法。首先，基于传统 Ａ＊ 算法，结合 Ｍａｎｈ

车辆导航系统的核心是路径规划算法，路径规划算法分静态路径规划（Static Path Planning， SPP）算法和动态路径规划（Dynamic Path Planning， DPP）算法，SPP的不足是不能对实时变化交通信息做出快速响应，而DPP则可以利用路网中实时更新的交通信息及时地为驾驶者提供更佳的导航路线。本文在研究了静态路径规划中用到的一些算法后，如A*算法，继而分析动态路径规划的一些思想，在此基础上分析D*Lite算法可以改进的地方，并给出优化后的算法程序。利用10×10、50×50、100×100三种规模的模拟路网做对比实验，实验表明优化后的D*Lite算法在速度上有了较大提高。

动态窗口法实现二维路径规划，可以设置圆形动/静态障碍物

摘要：提供一种改进遗传算法的AGV动态路径规划算法,其中，针对传统变异算子缺少启发式规则导致变异产生优质解的概率较低和算法早熟的缺陷，基于相连的路径片段组成的三

车载导航系统中最重要的功能是路径规划，传统车载导航设备大多采用静态算法，没有采用实时交通信息规划出的路径可能不是最优路径。结合一种动态行程时间表对传统A*算法进行调整，可以有效利用路网实时交通数据规避拥堵路线，从而实现动态路径规划。另外，实际应用中，单一的优化路径往往不能满足需求，对此提出重复路径惩罚因子的概念，构造出了一种多路径规划算法，可以在路径相似度与路径通行代价之间取得平衡，避免了传统Ｋ最短路径(K Shortest Paths, KSP)算法路径相似度过高的缺点。

dwa_code_路径动态规划_窗口路径规划_动态障碍物_动态窗口法_动态路径规划_源码.zip

针对传统蚁群算法收敛速度慢、易陷入局部最优解的缺点，提出了改进距离启发因子以增加目标节点对下一节点的影响，从而提高全局搜索能力，避免陷于局部最优解，提高收敛速度；考虑真实环境的复杂多样性，引入多个路径质量约束来改进信息素更新规则。仿真实验结果显示，改进蚁群算法在动态路径规划中具有良好的效果。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码，适合科研人员

针对机器人局部路径规划的特点和传统人工势场理论存在不足的问题，采用改进的斥力势场函数，将机器人与目标的相对距离和速度考虑在内以解决局部最小值问题。引入神经网络模糊系统，兼顾了系统的鲁棒性和快速性，并在应用实例中得到了有效的验证。

针对多自动导引车（ AutomaTIc guided vehicle，AGV）在柔性制造系统中岀现的路径规划与冲突问题，提出了一种基于时间窗的改进 Dijkstra算法，实现多ΔGⅤ的动态路径规划。首先，利用传统υ ） ijkstra算法为执行调度仼务的多AGV规划路径，并统计被规划路径的使用程度，计算加权系数，然后将加权后的路径长度更新到数据库中;其次，计算AGⅤ通过毎个工位节点的时间，通过时间窗的排布避免碰撞冲突;最后，当产生冲突时，通过计算并设置AGV的优先级，对优先级较低的AGV重新进行路径规划。仿真实验结果表明，该算法能够在最优路径下有效避免冲突与死锁，不仅提高了系统效率，而且使系统具有较好的鲁棒性。