本文针对不确定性二维路径规划问题（如未知障碍物探测、环境参数噪声、目标位置不确定），提出融合信息增益（Information Gain, IG）的改进 RRT 算法 ——IG-RRT。该算法在传统 RRT “无碰撞路径搜索” 的基础上，通过量化路径对环境不确定性的 “探测与消解能力”（信息增益），实现 “路径长度最短 + 碰撞风险最低 + 信息增益最大” 的多目标优化。方案适用于移动机器人、无人机

针对电力负荷数据受气象条件、用户行为、经济活动等多因素耦合影响，呈现出强非线性、时变性和复杂性，传统预测方法及单一神经网络模型难以充分挖掘数据时空特征、预测精度有限的问题，提出一种基于CNN-GRU-Attention混合神经网络的负荷预测方法。

在“双碳”目标驱动下，可再生能源（风电、光伏）大规模接入电力系统，已成为售电公司能源供给的重要组成部分，但可再生能源出力受天气、辐照等自然因素影响显著，预测误差率普遍处于5%—20%，给售电公司购售电计划的制定与执行带来巨大挑战。储能系统凭借双向调节、灵活响应的优势，成为平抑可再生能源波动、化解误差风险、优化购售电时序的关键支撑，同时结合我国可再生能源消纳保障机制要求，售电公司需在保障供电可靠性、

时间序列预测在金融、气象、能源、公共事业等多个领域具有至关重要的应用价值，精准的预测结果能够为决策制定、资源分配提供科学支撑。传统时间序列预测模型（如ARIMA）在捕捉线性规律方面表现优异，但难以适配复杂时序数据中的非线性特征与长程依赖关系；单一深度学习模型（如CNN、LSTM）虽能有效提取非线性特征，却易忽略数据中的线性趋势，导致预测精度受限。

光伏发电作为全球可再生能源转型的核心力量，预计到2030年将成为全球最大的可再生能源来源，但云层动态变化导致的太阳辐射波动性，严重影响光伏发电量的稳定性和可预测性，给电网调度与能源管理带来巨大挑战。天空图像作为捕捉云层分布、运动状态及光照条件的核心载体，能够直观反映局部及区域范围内的太阳辐射变化特征，其与机器学习、深度学习等技术的结合，已成为提升光伏发电预测精度的关键路径。

✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、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👇 关注我领取海量matlab电子书和数学建模资料🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。元启发式优化算法作为非梯度类智能求解框架，凭借无需依赖目标函数可导性、适配多峰强非线性复杂场

✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、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👇 关注我领取海量matlab电子书和数学建模资料🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。元启发式优化算法作为非梯度类智能求解框架，凭借无需依赖目标函数可导性、适配多峰强非线性复杂场

在电商物流与智能制造领域，多仓库机器人送货系统已成为提升运营效率的核心技术。据中研普华产业研究院《2025智慧仓储产业规划报告》显示，2023年中国智能仓储市场规模达1533.5亿元，年均复合增长率14.8%，预计2025年突破2000亿元。其中，AGV（自动导引车）作为核心设备，其路径规划效率直接影响订单处理速度与仓储周转率。

一、引言：机器人路径规划的场景需求与核心挑战机器人路径规划是实现自主移动的核心技术，广泛应用于室内仓储机器人（AGV）、工业巡检机器人、服务机器人、室外无人车等场景，其核心目标是：在已知 / 未知环境中，从起点到终点规划出一条满足 “无碰撞、路径最优（短 / 平滑）、实时响应” 的轨迹。环境复杂性：静态环境（如仓库固定货架）需高效避障，动态环境（如商场人流、车间移动设备）需实时更新路径；机器人约束

在全球能源结构向清洁化、分布式转型及“双碳”目标推进的背景下，微能源网作为整合光伏（PV）、风电（WT）等分布式能源、储能系统（ESS）、多元负荷及冷热电联供（CCHP）等设备的关键载体，实现了局部能源的自治运行，对提升能源利用效率、降低碳排放具有重要作用。然而，微能源网能量管理面临三大核心挑战：一是不确定性强，光伏/风电出力受天气影响短期预测误差可达15%-30%，用户负荷存在动态波动；二是多能