<aside> <img src="/icons/condense_yellow.svg" alt="/icons/condense_yellow.svg" width="40px" /> C++ | Python | 机器人 | 集群 | 算法 | 神经网络 | 集群行为 | 导航避障 | 耦合共振 | 同步 | 相机 | 拖拽 | 寻觅 | 搬运 | 可视化 | 物理 | 数学
</aside>
🎯机器人群行为配置和C++行为实现：🖊脚底机器人狭隘空间导航避让障碍物行为 | 🖊脚底机器人使用摄像头耦合共振，实现同步动作 | 🖊脚底机器群使用相机，计算彼此间“分子间势能”的方式寻觅彼此 | 🖊脚底机器拖拽可移动物体，模拟清理行为 | 🖊预先规划机器群活动轨迹，模拟群机导航避障 | 🖊预先规划机器群身份号，模拟群机导航避障 | 🖊模拟蚂蚁搬运食物，预先划定巢穴和外界食物区，使用OpenGL可视化机群搬运过程，机器人使用上述避障和寻觅方式执行动作 | 🖊模拟蚊虫趋光性，使用神经网络和算法创建脚底机器人趋光性动作 | 🖊模拟上级指挥下级动作，下级机群等待上级主机器人命令，收到命令执行各种动作行为。🎯统计学机器人集群量化属性 | 🎯浮标机器人集群
📜人形机算法模型：Python人形机踊跃跨栏举重投篮高维数动作算法模型
📜机器人动力学运动学求解：Python | C++ | MATLAB机器人正逆向运动学动力学求解器及算法
📜机器人动力学运动学：Python | C# | MATLAB 库卡机器人微分运动学 | 欧拉-拉格朗日动力学 | 混合动力控制
📜ROS系统机器人：ROS2(Cpp或Python)机器学习路径选择三维模拟平衡车及YOLOv8视觉消息
📜ROS树莓派Raspberry Pi机器人：Cpp(Python)和MATLAB差动驱动ROS Raspberry Pi全功能机器人原型
📜ROS机器人导航算法：Cpp或Python(ROS2)有限状态机-行为树数学模型及虚拟力场本地导航算法避障
📜树莓派Raspberry Pi机器人：Python远程SSH和HTTP视频流级联分类Raspberry Pi 机器人
📜机器人吸尘器：C(C++)和Python实现STM32F4实时操作系统(FreeRTOS)吸尘器
pie title 语言分比
"Python":80
"C++":90
"Java":30
pie title 内容分比
"机器人":90
"集群行为":80
"模拟":70
"集群机,搬运食物":40
"集群机,寻觅同伴":30
"集群机,上下级指挥":30
"算法，神经网络":10
"集群机,水面浮标":20
"统计学量化集群行为分析":5
在计算科学中，粒子群优化 是一种计算方法，它通过迭代尝试改进候选解决方案来优化问题，以满足给定的质量标准。它通过拥有一组候选解决方案（这里称为粒子）并根据粒子位置和速度的简单数学公式在搜索空间中移动这些粒子来解决问题。每个粒子的运动都受到其局部最佳已知位置的影响，但也被引导到搜索空间中的最佳已知位置，这些位置会随着其他粒子找到更好的位置而更新。这有望使群体向最佳解决方案移动。
此算法的一个基本变体是通过拥有一个候选解决方案（称为粒子）的种群（称为群体）来工作的。这些粒子根据一些简单的公式在搜索空间中移动。粒子的移动由它们自己在搜索空间中的最佳位置以及整个群体的最佳位置引导。当发现改进的位置时，这些位置将引导群体的移动。这个过程不断重复，希望最终能找到令人满意的解决方案，但不能保证。
形式上，令 $f: R ^n \rightarrow R$ 为必须最小化的成本函数。该函数将候选解作为实数向量形式的参数，并产生一个实数作为输出，该实数指示给定候选解的目标函数值。 f 的梯度未知。目标是为搜索空间中的所有 $b$ 找到一个解决方案 $a$，其中 $f( a ) \leq f( b )$，这意味着 $a$ 是全局最小值。
令 S 为群体中粒子的数量，每个粒子在搜索空间中都有一个位置 $x _i \in R ^n$ 和一个速度 $v _i \in R ^n$。令 $p _i$ 为粒子 $i$ 的最佳已知位置，并令 $g$ 为整个群体的最佳已知位置。最小化成本函数的基本粒子群优化算法是：