1、prm，這是乙個圖結構。首先在空間內隨機撒一些點，然後清除障礙物內的點，然後把其他的點相互較近的連起來。
優點：概率完備的，只要有乙個圖並且這個圖上有乙個最優解，那麼這個解就是可以找出來的
缺點：需要解決兩個點之間value值的問題，並且一開始就沒有專注找到乙個最優解。
解決方法：三個階段：learning、query、lazy collision checking。
2、快速搜尋隨機樹 這是什麼搞笑演算法
bidirectional 方法，兩邊同時找，一邊從起點拓展一邊從終點拓展，但是不是最優解，雖然速度會很快
3、優化的基於取樣的路徑規劃 對 rrt的優化（快速搜尋隨機樹）
通過不斷地新增隨機點保證得到的路線是最短的
kinodynamic 用曲線代替直線符合機械人運動約束（目前比較火的方向）********重要
更加高階的基於取樣的路徑規劃——對取樣進行優化
informed rrt* 將撒的點限制在乙個橢圓內。橢圓越來越扁，路徑越優化。
第一次會形成乙個非最優的路徑，然後再拐點處進行高斯分布取樣
得到多個路徑後，然後求取均值，再新的均值點上再進行高斯取樣。
ompl庫，做機械臂**可以用
基於搜尋的路徑規劃演算法
於圖搜尋的方法主要包括dijstra方法，a演算法，jps演算法，a演算法是dijstra演算法的拓展，jps演算法是a 演算法的拓展。下面為a 演算法的流程圖 從起點a開始,把它作為待處理的方格存入乙個 開啟列表 開啟列表就是乙個等待檢查方格的列表。尋找起點a周圍可以到達的方格,將它們放入 開啟列...
基於代價解析的最優路徑規劃CBO
cbo代價解析 在過去資料庫主要使用基於規則的優化器 rbo 基於規則將sql解析生成的關係表示式進行等價交換，形成更優的方案，例如，有乙個多表查詢sql select a.c id,sum c.price from a,b,c where a.c id c.c id and c.o id b.o ...
基於matlab的隨機取樣計算法
對於線性規劃而言，有著成熟且有效的方法，而對於非線性整數規劃而言，沒有通解，儘管限制變數為整數而增加了難度，然而整數解為有限個，於是可以用列舉法求解方案。當然在乙個自變數維度很大和取值範圍很寬的情況下，企圖用窮舉法計算最優值是不現實的，但是根據概率理論可知，完全可以得出乙份滿意解。下面是matlab...