这是一篇介绍BP神经网络在移动机器人路径规划方面的论文-Abstract：Improves the BP neural network algorithm，so the shortage of path —planning with the ． BP neural network algorithm is overcomed ．The simulation results indicate that on the bases of accessional momentum met

针对自治水下机器人(AUV)的路径规划问题进行了研究,依据模糊控制规则,提出了一种基于粒子群优化(PSO)的模糊路径规划算法.首先建立水下水平面内路径规划的模糊规则,并应用A/B模型进行静态和动态障碍物的避障.同时考虑到模糊边界的选择具有很大的随意性,所生成的路径并非最优,利用PSO算法进行模糊集合的优化,使得最终生成的路径最优.应用设计的粒子群优化模糊(PSO-fuzzy)算法针对动静态障碍物进行了避障路径规划,仿真结果验证了所设计的方法的有效性.-The study was conducte

针对舰载机牵引系统的甲板调运过程，提出了一种适用于复杂障碍物环境中不规则形状目标的路径规划方法。针对舰载机外轮廓特点，建立了目标的凸构型描述形式，并推导了多目标间碰撞检测及距离计算方法，在此基础上提出了舰载机牵连运动的轨迹跟踪控制算法，同时引入行为动力学方法实现牵引系统的避碰路径规划。为提高复杂环境下的避碰能力，基于广义符号阈值函数，提出了避障行为策略改进方法。仿真结果表明，本文提出的算法能够有效地解决舰载机牵引系统的避碰路径规划问题。-For dealing with dispatching

将改进的蚁群算法与路径几何优化相结合,用于解决移动机器人的全局路径规划问题.算法结合机器人的越障性能对移动机器人的环境空间进行建模.通过设置初始信息素加快蚂蚁的搜索速度,同时设置自适应信息素挥发机制,解决特定地图中初始信息素的干扰问题 设置自适应路径长度,筛选规划路径的优劣 提出由路径优劣程度决定的信息素散播策略,并从几何原理出发,对规划路径进行优化处理,加快最优解的收敛速度.仿真结果验证了该算法的有效性和普遍应用性,在随机给定的环境地图中,该算法能够迅速规划出最优路径.-The improve