基于matlab的双向A*算法

A*算法是从起始点开始向目标点搜索，而双向A*是在A*的基础上由起始点和目标点同时搜索，当一方检测到另一方的已检查节点时，搜索结束，在搜索时间效率上，双向A*更快。

Lazy_Theta_star

Lazy_Theta_star是在 Theta_star上的进一步改进，Theta_star是当节点加入open表时和当前点的父节点进行比较g值是否更小，对一些不必要的节点计算浪费了时间，而Lazy_Theta_star则是在弹出open表后进行比较，减少了不必要点的计算。

基于A*改进的Theta*路径规划算法

A*的存在问题是虽然它能在图中找到一条最短的路径，但是这条路径并不是真实、连续的环境中的最短路径，A*是我们人为的通过图中的边来传播信息和约束路径的形成，Theta*是A*的一种变体，它会沿着图的边传播信息，但不会使路径限制在图的边上，可以寻找“任意角度”的路径。

Dstar（动态路径规划）算法

D*算法又称为动态A*算法，在未知环境或有动态障碍物出现时，采用A*算法需要丢弃初始规划完成的open表和close表，重新进行规划。造成规划时间的增加，D*算法的核心思想是先用dijkstra或A*从目标点向初始点进行反向搜索，然后机器人从起点向目标点移动，当遇到动态障碍物时，只进行局部的更改即可，效率明显提高。本仿真基于matlab进行D*算法的动画演示。

单机器人的多任务路径规划GUI

通过matlab的GUI编程实现单个机器人的多任务路径规划，测试可运行。

基于深度优先寻路的路径规划算法

深度优先寻路算法是路径规划算法中的经典路径规划算法。

基于C++的路径规划A*算法

该代码是基于C++的STL库，通过Easyx图形库编写的机器人路径规划中的经典A*算法

多仓储机器人的任务分配

随着物流的发展，多仓储机器人的发展越来越迅速，多机器人任务分配的优劣决定着多机器人系统运行效率，目前应用最多任务分配算法是基于市场机制的拍卖算法。

机器人路径规划算法

路径规划的目的是在给定起点和目标点的空间里规划出一条从起点到目标点的无碰撞路径，基于图论的经典的路径规划算法有DFS,BFS,Dijkstra,Astra,智能路径规划算法有蚁群算法，遗传算法，模糊算法等。

基于ROS的移动机器人教程

ROS是一个用于编写机器人软件的灵活框架，集成了大量的框架，工具，各种库，极大的方便了机器人的开发过程，作为一个分布式的框架，ROS中的每个模块都可单独设计封装成独立的功能包，为研究者提供了一种相互合作高效方式。