基於快速擴充套件隨機樹（rrt / rapidly exploring random tree）的路徑規劃演算法，通過對狀態空間中的取樣點進行碰撞檢測，避免了對空間的建模，能夠有效地解決高維空間和複雜約束的路徑規劃問題。該方法的特點是能夠快速有效地搜尋高維空間，通過狀態空間的隨機取樣點，把搜尋導向空白區域，從而尋找到一條從起始點到目標點的規劃路徑，適合解決多自由度機械人在複雜環境下和動態環境中的路徑規劃。與prm類似，該方法是概率完備且不最優的。
演算法原理在第一篇部落格中寫的很詳細了，這裡對裡面的內容進行補充一下：
1.產生的隨機點不能在障礙物裡面，在的話就重新生成，但是隨機點和最近的樹節點的連線允許穿過障礙物
2.新生的樹節點不能在障礙物裡面並且新生的「樹枝」不能穿過障礙物
3.從終點開始依次回溯父節點（終點找它爸爸，他爸爸找他爺爺，一直找到起點為止）把這些節點按（輩分）順序提取出來就構成了路徑。這一部分的演算法我的解決辦法是建立乙個陣列專門儲存每個節點的父節點，這樣就可以通過查表的形式來找父節點。這在程式中可以看到。
4，第三步後要經過平滑化處理，這一部分在推薦的第三個部落格裡面
最後的演算法結果：
其中藍色為所有的樹枝，紅色為回溯找到的路徑，綠色為經過平滑化處理後的路徑。
**由於太多已上傳csdn和網盤。
matlab練習程式（快速搜尋隨機樹RRT）
rrt快速搜尋隨機樹英文全稱rapid exploration random tree，和prm類似，也是一種路徑規劃演算法。和prm類似，演算法也需要隨機撒點，不過不同的是，該演算法不是全域性隨機撒點，而是一次撒乙個點，然後判斷當前搜尋樹與隨機點距離，然後找到搜尋樹距離隨機點最近的節點，向該隨機點...
matlab實現kmeans演算法
kmeans是一種聚類演算法 無監督學習 演算法分為兩步 1.隨機選取k個聚類中心。2.計算每個樣本點離哪個聚類中心最近 距離計算 就將該樣本分為這個類。3.重新計算這k個類的聚類中心。一種簡單的計算方法為 計算每個類的平均值即為新的聚類中心。重複執行步驟2，直到聚類中心的變化小於給定閾值，或者達到...
Apriori演算法Matlab實現
clc clear 最小支援度設定 min sup 2 最小置信度 min conf 0.7 讀取檔案，當前的檔案型別是txt檔案，事務資料用數字來表示的，測試資料可以用 資料探勘概念與技術 第三版中的資料為樣本 fid fopen d matlabfile apriori dataapriori....