基于先验完全信息的全局路径规划 局部路径规划 - http://blog.csdn.net/birdy_/article/details/77453638 姿态空间离散 行车图法：在自由空间中构建连通网络 在图中用直线连接所有特定点，删除会发生碰撞的，在余下的路线中求出 ...

1，Dijkstra’s 算法 一种发散性寻找最短路径算法。 由起点开始向四周开始发散，直到碰到目标点为止。这时就是最短路径。优点：能找到与目标点的最短路径；缺点：搜索花费的时间会比较长。 2，Greedy Best-First-Search 快速搜索算法。 启发性的算法 ...

算法介绍 A*（念做：A Star）算法是一种很常用的路径查找和图形遍历算法。它有较好的性能和准确度。本文在讲解算法的同时也会提供Python语言的代码实现，并会借助matplotlib库动态的展示算法的运算过程。 A*算法最初发表于1968年，由Stanford研究院的Peter Hart ...

问题1：找硬币，换钱的方法 输入： penny数组代表所有货币的面值，正数不重复 aim小于等于1000，代表要找的钱 输出：换钱的方法总数 解法1：经典dp，空间复杂度O（n* ...

博客转载自：http://www.cnblogs.com/21207-iHome/p/7210543.html 传统的路径规划算法有人工势场法、模糊规则法、遗传算法、神经网络、模拟退火算法、蚁群优化算法等。但这些方法都需要在一个确定的空间内对障碍物进行建模，计算复杂度与机器人自由度呈指数关系 ...

　　路径规划作为机器人完成各种任务的基础，一直是研究的热点。研究人员提出了许多规划方法：如人工势场法、单元分解法、随机路标图（PRM）法、快速搜索树（RRT）法等。传统的人工势场、单元分解法需要对空间中的障碍物进行精确建模，当环境中的障碍物较为复杂时，将导致规划算法计算量较大。基于随机采样技术 ...

　　传统的路径规划算法有人工势场法、模糊规则法、遗传算法、神经网络、模拟退火算法、蚁群优化算法等。但这些方法都需要在一个确定的空间内对障碍物进行建模，计算复杂度与机器人自由度呈指数关系，不适合解决多自由度机器人在复杂环境中的规划。基于快速扩展随机树（RRT / rapidly exploring ...

路径规划的一般步骤：构建环境、搜索、平滑处理；环境构建：C-空间，自由空间、Voronoi图、栅格法；搜索算法在下面逐个列出。解决的问题：全局、局部、未知环境；解决维度：二维、三维；路径搜索的连续性：离散、连续; 时间需求：实时、不是实时的；下面先列出常见的路径优化方法，后面将逐个给出算法 ...