本文介绍了一种基于改进人工势场法的多无人机协同路径规划与防撞系统。该系统通过引力场、障碍物斥力场和机间协同斥力场的复合作用，实现5架无人机在三维空间中从不同起点独立飞往目标点，同时规避静态障碍物和机间碰撞。采用分布式协同架构，无人机独立感知计算并共享位置信息，具备双重防撞阈值和任务协同逻辑。MATLAB仿真验证表明，该系统能满足速度、加速度等物理约束，实现无碰撞、高精度的协同飞行，适用于工业级无人

EKF通过一次线性化处理非线性问题，简单但可能因线性近似误差导致性能下降。UKF无需线性化，通过sigma点直接在非线性空间内操作，提高了精度，但计算量相对较大。IEKF通过多次迭代线性化过程，增强了EKF的非线性处理能力，尤其适用于非线性强或系统不确定性高的情况，但增加了计算复杂度和迭代次数的确定问题。

将雷达和光电传感器的数据进行融合，可以充分发挥两者的优势，提高目标跟踪的精度和可靠性。实现2个雷达，一个光电下的双目标航迹融合。将雷达和光电传感器的数据进行融合，可以充分发挥两者的优势，提高目标跟踪的精度和可靠性。通过融合雷达和光电传感器的数据，可以充分利用两者的优势，提高目标跟踪的精度。航迹关联：航迹关联是多目标航迹融合的关键步骤，其目的是将不同传感器的航迹进行匹配，确定哪些航迹对应同一个目标。

本文介绍了一种基于双向LSTM的文本序列推荐系统。该系统利用双向LSTM网络捕捉文本序列的前后向时序依赖关系，通过词汇嵌入将文本转换为向量表示，并结合推荐任务目标实现精准推荐。文章详细阐述了算法原理、程序功能（包括30轮训练的网络模型实现）和测试环境（MATLAB 2022A/2024B）。该系统能有效解决海量文本信息筛选难题，为用户提供个性化推荐服务。

摘要：红尾鹰优化的LSTM（RTH-LSTM）算法结合了红尾鹰优化算法（RTHO）和长短期记忆网络（LSTM），用于一维时间序列预测。RTHO优化LSTM的初始参数，解决局部最优问题，提升预测精度。程序在MATLAB 2022A/2024B上运行，包含LSTM网络结构定义、训练和预测过程。算法通过门控机制处理时间序列的长期依赖关系，利用RTHO的两阶段更新策略（全局探索和局部开发）优化参数。实验使

摘要：该研究提出一种基于海鸥优化算法(SOA)改进的LSTM时间序列预测模型(SOA-LSTM)。针对传统LSTM超参数依赖人工调试导致收敛慢、精度低的问题，利用SOA模拟海鸥捕食迁徙的智能行为来自动优化LSTM关键参数（如隐藏层神经元数）。模型在MATLAB环境下实现，通过SOA全局寻优选择最优参数组合，结合LSTM的门控机制处理时序数据的长短期依赖。测试结果表明，SOA-LSTM相比传统LST

本文提出了一种基于电鳗觅食优化算法(EEFO)的LSTM时间序列预测模型(EEFO-LSTM)。该模型通过模拟电鳗觅食行为的智能优化算法，自动优化LSTM的关键超参数(如隐藏层神经元数量)，避免了传统人工调参的低效问题。EEFO-LSTM结合了EEFO的全局寻优能力和LSTM对时序数据的建模优势，在MATLAB环境下实现了对一维时间序列的高精度预测。实验结果表明，该方法相比传统LSTM具有更快的收

本文提出了一种基于蜣螂优化算法(DBO)改进的LSTM预测模型(DBO-LSTM)。该模型通过模拟蜣螂的滚球、跳舞和觅食三种行为，优化LSTM网络的隐含层数量和初始权重等关键参数，解决了传统LSTM依赖经验设置参数导致预测精度不足的问题。算法采用适应度函数评估预测误差，通过滚球行为实现全局搜索，跳舞行为进行局部开发，觅食行为保持多样性。实验结果表明，DBO-LSTM在MATLAB环境下具有较好的预

本文介绍了TTAO-LSTM（三角测量拓扑聚合优化的LSTM）模型，该模型通过引入三角测量拓扑聚合机制，将时间序列的局部特征与全局依赖进行结构化融合，同时优化LSTM网络层数量，实现对一维时间序列的高精度预测。程序采用MATLAB2022A/2024B版本，包含数据处理、参数定义和优化算法实现。TTAO算法理论部分详细阐述了三角测量拓扑特征提取和聚合优化机制，通过动态调整网络层数并融入拓扑聚合特征

【摘要】河马优化算法(HO)是一种新型启发式算法，模拟河马的水域选择、领地划分和觅食行为。研究将其与LSTM结合构建HO-LSTM模型，通过HO算法优化LSTM的网络层数、学习率等参数，以最小化预测误差为目标。该模型避免了人工调参的主观性，平衡了模型复杂度与泛化能力，在MATLAB2022A/2024B环境下实现。程序包含数据处理、参数优化和模型构建模块，采用全局变量存储训练测试数据，通过适应度函