利用遗传算法确定随机障碍物并找到最佳路径遗传算法是强大的优化工具，可用于复杂环境中的路径规划。对于确定随机障碍物，该算法可以设计为对动态环境进行建模和表示，在这种环境中障碍物的出现是不可预测的。通过对可能的障碍物配置进行编码并使用适当的适应度函数，遗传算法可以探索不同的场景并识别潜在的障碍物位置。此外，遗传算法可以并行化，从而在寻找最佳路径时实现更快的计算和更高的效率。遗传算法（GA）是一种模拟自

有限集模型预测控制（FCS-MPC）凭借滚动优化与开关状态直接寻优的特点，在三相并网逆变器控制中展现出优于传统线性控制器的动态品质。本文以一套统一的 Simulink S‑Function 仿真框架为载体，对 dq 轴电流预测控制（MPC‑C）与 PQ 功率预测控制（MPC‑PQ）两种 FCS‑MPC 策略进行闭环对比研究。两种策略共享相同的 8 开关状态遍历架构、abc–dq0 坐标变换链路与前

有限集模型预测控制（FCS-MPC）凭借滚动优化与开关状态直接寻优的特点，在三相并网逆变器控制中展现出优于传统线性控制器的动态品质。本文以一套统一的 Simulink S‑Function 仿真框架为载体，对 dq 轴电流预测控制（MPC‑C）与 PQ 功率预测控制（MPC‑PQ）两种 FCS‑MPC 策略进行闭环对比研究。两种策略共享相同的 8 开关状态遍历架构、abc–dq0 坐标变换链路与前

多机器人路径规划（Multi-Agent Path Finding, MAPF）要求在共享环境中为若干智能体寻找从各自起点到终点的无冲突路径，是仓储物流、无人机编队与自动驾驶等应用的基础问题。精确求解方法在智能体数量增大时计算代价急剧上升，而优先级规划以「按序逐个规划、后续智能体规避先前路径」的策略，在多项式时间内给出可行解，是大规模场景下的实用选择。本文对一套完整的 MAPF MATLAB 代码

以下是关于用于无速度传感器交流电机驱动的扩展卡尔曼滤波器（EKF）的研究文档概要，该文档探讨了两种情境下的EKF应用：一种是惯性矩未知的情况，另一种是惯性矩已知的情况。扩展卡尔曼滤波器（EKF）是卡尔曼滤波器的一种扩展，专门用于处理非线性系统的状态估计问题。在交流电机驱动系统中，无速度传感器控制是一个重要的研究方向，EKF的应用可以有效地估计电机的转子位置和速度，从而提高系统的性能和稳定性。

四旋翼无人机的轨迹跟踪控制长期依赖欧拉角等局部坐标表示，但这类方法在剧烈机动或大角度姿态变化时会遭遇奇异性和万向节锁死问题。几何跟踪控制通过在SO(3)和SE(3)李群上直接设计控制律，从根本上规避了坐标奇异，并提供了几乎全局的稳定性保证。本文系统梳理了几何跟踪控制的理论基础、核心方法学进展与当前研究前沿。首先阐述四旋翼在SE(3)上的全局动力学建模及其微分平坦特性，分析欧拉角方法的固有局限。进而

时滞系统广泛存在于工业过程、通信网络、机器人控制等领域，其状态估计面临信息异步性、估计偏差和相关性未知等挑战。协方差交叉（Covariance Intersection, CI）融合估计作为一种有效的信息融合方法，在处理具有未知相关性的多源信息时展现出独特优势。本文针对时滞系统，研究了协方差交叉融合估计方法，通过时间对齐、时滞补偿等技术，解决了时滞数据的处理和多源异步信息的融合问题，提高了状态估计

本文聚焦于非平稳重复过程的参数辨识与跟踪问题，提出一种基于具备动态优化能力（DOP）的粒子群算法的解决方案。该算法能够实时跟踪非平稳重复过程的参数变化，当控制器增益被定义为待跟踪参数的已知函数时，可在运行过程中重新整定这些增益。通过设置标志位，可快速切换不同系统配置与粒子群更新规则。本方案受“即插式直接粒子群重复控制器”启发，适用于重复过程参数辨识、迭代学习估计、动态优化问题以及基于种群的进化优化

MATLAB提供了各种工具和算法，如优化工具箱和图形处理工具箱，可用于设计和分析WSN的拓扑结构。MATLAB提供了各种工具和算法，如仿真和优化工具箱，可用于评估WSN的覆盖范围、数据传输延迟、能量效率等性能指标，并根据评估结果进行系统调优。[2]张佳宁,沈慧,周广东.结构监测无线传感网络数据传输优化方法[J/OL].哈尔滨工程大学学报:1-9[2024-06-09].http://kns.cnk

针对监测区域内含有障碍物的无线传感器网络(Wireless Sensor Networks，WSNs)异构节点部署优化问题，在花朵授粉算法(Flower Pollination Algorithm，FPA)的基础之上，提出了一种改进的 花朵授粉算法(Improved Flower Pollination Algorithm，IFPA)用于改善原有算法收敛速度慢、精度不够高的不足。