国外哪个网站可以做外贸比较好淄博百度网站

国外哪个网站可以做外贸比较好,淄博百度网站,漳州网站建设去博大a优,美食网页设计与制作✅作者简介#xff1a;热爱科研的Matlab仿真开发者#xff0c;擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。 #x1f34e; 往期回顾关注个人主页#xff1a;Matlab科研工作室 #x1f34a;个人信条#xff1a;格物致知,完整Matlab代码获取及仿…✅作者简介热爱科研的Matlab仿真开发者擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。 往期回顾关注个人主页Matlab科研工作室个人信条格物致知,完整Matlab代码获取及仿真咨询内容私信。内容介绍该强化学习避障策略的实现过程分为四个核心步骤通过循环迭代与辅助学习加速确保最终规划出最优的路径与姿态第一步末端避障路径优先规划。基于强化学习算法先为机械臂末端执行器规划一条从起始点到目标点的避障路径。此时算法仅关注末端与障碍物的安全距离约束不考虑关节姿态快速锁定一条可行的末端运动轨迹。这一步就像先规划出“手部”要走的安全路线再考虑“手臂”如何摆动才能跟上手部的节奏。第二步基于末端路径的关节姿态规划。在得到末端避障路径后以这条路径为约束条件反向求解六轴机械臂各关节的姿态。这一过程需要满足各关节的运动极限如旋转角度范围确保机械臂在跟随末端路径运动时关节不会超出物理限制同时初步检查机身与障碍物的距离。第三步障碍重识别与路径更新。在关节姿态规划过程中若发现末端路径上存在部分点位即使调整关节姿态也无法让机械臂机身在安全距离内避开障碍物即这些点位对应的机身姿态必然发生碰撞则将这些点位标记为“新障碍物”。随后基于更新后的障碍物分布原障碍物新标记点位重新为末端执行器规划一条避开这些新障碍的路径。⛳️ 运行结果 部分代码clear all;path(path,.\Control);path(path,.\qLearning);path(path,.\Scene);path(path,.\NeuralNetwork);%% 初始化场景%障碍物wall1 [5 30 30 35];wall2 [45 15 75 40];wall3 [60 60 70 60];wall4 [5 70 85 75];walls [wall1; wall2; wall3; wall4];% wall1 [10 20 30 50];% wall2 [50 40 80 60];% wall3 [40 20 45 40];% wall4 [5 70 45 75];% wall5 [60 80 100 83];% wall6 [99 2 99 99];% walls [wall1; wall2; wall3; wall4; wall5;wall6];h DrawWalls(walls);ax gca;resolution 30; %场景状态分辨率stateNo resolution * resolution;scenerange [100, 100];%% 无人机的状态%你的cState结构cState.position zeros(3, 1);cState.rotation 0;%设置位置的初始值% cState.position(1, 1) 50;% cState.position(2, 1) 50;% cState.position(3, 1) 8;cState.position(1, 1) 10;cState.position(2, 1) 10;cState.position(3, 1) 8;%控制量初始值delta zeros(3, 1);%TargetPointtargetPoint zeros(3, 1);targetPoint(1, 1) 95;targetPoint(2, 1) 95;targetPoint(3, 1) 8;plot(ax, targetPoint(1, 1), targetPoint(2, 1), r*, MarkerSize, 10);cObjDis CalculateObjDis(cState.position, targetPoint);wallDistances zeros(1, size(walls, 1));for i 1 : size(wallDistances, 2)wallDistances(i) CalculateUAVDis(walls(i,:), cState.position);endcWallDis min(wallDistances);%% 储存出始值以便被撞后重来origPoint cState;origWallDis cWallDis;origObjDis cObjDis;%% Q学习相关参数%如果要是神经网络这个就应该由神经网络给出%初始策略随机产生actionNo 9;qStrategy randi(actionNo, stateNo, 1);%有一定的概率采用纯随机e 0.1;%初始化奖励矩阵rewardMatrix zeros(stateNo, actionNo);%% 开始Q学习过程pState origPoint;pWallDis origWallDis;pObjDis origObjDis;while(cObjDis 5)%判断是否碰壁,若碰壁则重来if(cWallDis 1)cState origPoint;cWallDis origWallDis;cObjDis origObjDis;continue;endpState cState;pWallDis cWallDis;pObjDis cObjDis;%获取pState的编号pStateIndx CalculateRegionIndx(pState.position,scenerange, resolution);iExplore rand();pActionIndx 1;%选择合适的动作if(iExplore e)pActionIndx randi(9);elsepActionIndx ActionSelection( pStateIndx, qStrategy );end%计算deltadelta GetAction(pActionIndx);%更新无人机状态[cState.position cState.rotation] action(delta, pState);%计算cState的IndxcStateIndx CalculateRegionIndx(cState.position,scenerange, resolution);%如果超出边界按碰壁处理if cStateIndx size(qStrategy, 1) || cState.position(1) 1 || cState.position(2) 1cWallDis 0;continue;end%计算cState的actionIndxcActionIndx ActionSelection( cStateIndx, qStrategy);%计算各种距离%距离目标点距离cObjDis CalculateObjDis(cState.position, targetPoint);for i 1 : size(wallDistances, 2)wallDistances(i) CalculateUAVDis(walls(i,:), cState.position);endcWallDis min(wallDistances);%获得即时回报值reward GetInstantReward(cWallDis,pWallDis, cObjDis, pObjDis);%更新回报矩阵rewardMatrix UpdateRewardMatrix(rewardMatrix, pStateIndx,pActionIndx, cStateIndx, ...cActionIndx, reward);%更新策略qStrategy UpdateStrategy(rewardMatrix, pStateIndx, qStrategy);h DrawTrack(pState, cState, ax);endfigure;h DrawWalls(walls);ax gca;cState origPoint;cWallDis origWallDis;cObjDis origObjDis;count 0;while(cObjDis 5 count 1000)pState cState;pWallDis cWallDis;pObjDis cObjDis;%获取pState的编号pStateIndx CalculateRegionIndx(pState.position,scenerange, resolution);iExplore rand();pActionIndx 1;%选择合适的动作%如果仅仅用下面这一句的话会有时出不来结果的%pActionIndx ActionSelection( pStateIndx, qStrategy );%用下面这个会报错比如跑到外面去但是他可以有效果if(iExplore e)pActionIndx randi(9);elsepActionIndx ActionSelection( pStateIndx, qStrategy );end%计算deltadelta GetAction(pActionIndx);%更新无人机状态[cState.position cState.rotation] action(delta, pState);%计算cState的IndxcStateIndx CalculateRegionIndx(cState.position,scenerange, resolution);%如果超出边界按碰壁处理if cStateIndx size(qStrategy, 1) || cState.position(1) 1 || cState.position(2) 1cWallDis 0;continue;end%计算cState的actionIndxcActionIndx ActionSelection( cStateIndx, qStrategy);h DrawTrack(pState, cState, ax);count count 1;end 参考文献 部分理论引用网络文献若有侵权联系博主删除 关注我领取海量matlab电子书和数学建模资料团队擅长辅导定制多种科研领域MATLAB仿真助力科研梦 各类智能优化算法改进及应用生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划2E-VRP、充电车辆路径规划EVRP、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化 机器学习和深度学习时序、回归、分类、聚类和降维2.1 bp时序、回归预测和分类2.2 ENS声神经网络时序、回归预测和分类2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类2.7 ELMAN递归神经网络时序、回归\预测和分类2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类2.9 RBF径向基神经网络时序、回归预测和分类2.10 DBN深度置信网络时序、回归预测和分类2.11 FNN模糊神经网络时序、回归预测2.12 RF随机森林时序、回归预测和分类2.13 BLS宽度学习时序、回归预测和分类2.14 PNN脉冲神经网络分类2.15 模糊小波神经网络预测和分类2.16 时序、回归预测和分类2.17 时序、回归预测预测和分类2.18 XGBOOST集成学习时序、回归预测预测和分类2.19 Transform各类组合时序、回归预测预测和分类方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断图像处理方面图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知 路径规划方面旅行商问题TSP、车辆路径问题VRP、MVRP、CVRP、VRPTW等、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划EVRP、 双层车辆路径规划2E-VRP、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化 无人机应用方面无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、 通信方面传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配 信号处理方面信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理传输分析去噪、数字信号调制、误码率、信号估计、DTMF、信号检测电力系统方面微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统BMSSOC/SOH估算粒子滤波/卡尔曼滤波、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进扰动观察法/电导增量法、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度虚拟电厂能源消纳风光出力控制策略多目标优化博弈能源调度鲁棒优化电力系统核心问题经济调度机组组合、最优潮流、安全约束优化。新能源消纳风光储协同规划、弃风弃光率量化、爬坡速率约束建模多能耦合系统电-气-热联合调度、P2G与储能容量配置新型电力系统关键技术灵活性资源虚拟电厂、需求响应、V2G车网互动、分布式储能优化稳定与控制惯量支撑策略、低频振荡抑制、黑启动预案设计低碳转型碳捕集电厂建模、绿氢制备经济性分析、LCOE度电成本核算风光出力预测LSTM/Transformer时序预测、预测误差场景生成GAN/蒙特卡洛不确定性优化鲁棒优化、随机规划、机会约束建模能源流分析、PSASP复杂电网建模经济调度算法优化改进模型优化潮流分析鲁棒优化创新点文献复现微电网配电网规划运行调度综合能源混合储能容量配置平抑风电波动多目标优化静态交通流量分配阶梯碳交易分段线性化光伏混合储能VSG并网运行构网型变流器 虚拟同步机等包括混合储能HESS蓄电池超级电容器电压补偿,削峰填谷一次调频功率指令跟随光伏储能参与一次调频功率平抑直流母线电压控制MPPT最大功率跟踪控制构网型储能光伏微电网调度优化新能源虚拟同同步机VSG并网小信号模型 元胞自动机方面交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀 雷达方面卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别 车间调度零等待流水车间调度问题NWFSP、置换流水车间调度问题PFSP、混合流水车间调度问题HFSP、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP5 往期回顾扫扫下方二维码