蚁群算法

遗传算法

matlab动态规划

∇J(w)=1N∑i=kk+N(wTxi−yi)xi\nabla J(w)=\frac{1}{N} \sum_{i=k}^{k+N}\left(w^{\mathrm{T}} x_{i}-y_{i}\right) x_{i}∇J(w)=N1​i=k∑k+N​(wTxi​−yi​)xi​小批量梯度下降算法的参数更新公式为:w:=w−η1N∑i=kk+N(wTxi−yi)xiw:=w-\eta \fra

问题描述同一目录下的.py文件不呢被调用，直接使用会被报错，就是同目录下存在相应的文件，在引用时带有红色波浪线，说明成功调用没有相应.py文件解决方法在当前文件下，右键找到标记目录下的根目录即可，点击就没问题了...

∇J(w)=1N∑i=kk+N(wTxi−yi)xi\nabla J(w)=\frac{1}{N} \sum_{i=k}^{k+N}\left(w^{\mathrm{T}} x_{i}-y_{i}\right) x_{i}∇J(w)=N1​i=k∑k+N​(wTxi​−yi​)xi​小批量梯度下降算法的参数更新公式为:w:=w−η1N∑i=kk+N(wTxi−yi)xiw:=w-\eta \fra

Rviz 基本流程

∇J(w)=1N∑i=kk+N(wTxi−yi)xi\nabla J(w)=\frac{1}{N} \sum_{i=k}^{k+N}\left(w^{\mathrm{T}} x_{i}-y_{i}\right) x_{i}∇J(w)=N1​i=k∑k+N​(wTxi​−yi​)xi​小批量梯度下降算法的参数更新公式为:w:=w−η1N∑i=kk+N(wTxi−yi)xiw:=w-\eta \fra

一. PSO算法的基本理论粒子群（PSO）算法是依托群鸟觅食的模型寻找最优解。群体特征基于以下3个简单的行为准则：冲突避免：群体在一定空间移动，个体有自己的移动意志，但不能影响影响其他个体移动，避免碰撞和争执。速度匹配：个体必须配合中心移动速度，不管在方向、距离和速率上都必须相互配合。群体中心：个体将会向群体中心移动，配合群体中心向目标前进。群鸟觅食其实是一个最佳决策的过程， 与人类决策的过程相似

∇J(w)=1N∑i=kk+N(wTxi−yi)xi\nabla J(w)=\frac{1}{N} \sum_{i=k}^{k+N}\left(w^{\mathrm{T}} x_{i}-y_{i}\right) x_{i}∇J(w)=N1​i=k∑k+N​(wTxi​−yi​)xi​小批量梯度下降算法的参数更新公式为:w:=w−η1N∑i=kk+N(wTxi−yi)xiw:=w-\eta \fra