Day 04 · LLM API 横评:GLM / DeepSeek / Qwen / OpenAI

梅雅达编程笔记 2026-07-27 20:09:45

https://blog.csdn.net/2601_96428997/article/details/163105399?spm=1011.2124.3001.6209

往期回顾

Day 01 · 为什么 2026 年办公自动化得“AI 化“了

Day 02 · 环境搭建:一套装备打天下

Day 03 · Prompt 工程 5 大心法

下一篇: Day 05 · 让 AI 输出结构化数据

专栏订阅: 「AI 时代的 Python 办公自动化」

姊妹专栏:

Python 零基础入门
编程启蒙-Scratch转Python
————————————————
版权声明:本文为CSDN博主「梅雅达编程笔记」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/2601_96428997/article/details/163105399

...全文
51 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文研究了基于粒子群算法(PSO)融合动态窗口法(DWA)的无人机三维动态避障路径规划方法,提出了一种结合全局与局部规划优势的混合算法。通过PSO实现三维环境中避开静态障碍物的全局路径预规划,再以该路径为引导,利用DWA进行局部动态避障重规划,有效应对动态障碍物干扰,提升路径的安全性与实时性。文中详细阐述了三维环境建模、算法融合框架设计、PSO全局搜索机制以及DWA局部速度空间优化策略,并在静态与动态障碍场景下进行了仿真实验,验证了所提方法在路径平滑性、避障能力和计算效率方面的优越性能。; 适合人群:具备一定算法基础和Matlab编程能力,从事无人机控制、智能优化或路径规划相关研究的研究生及科研人员。; 使用场景及目标:①应用于复杂三维动态环境下的无人机自主导航系统开发;②为智能机器人、自动驾驶等领域提供融合全局优化与局部反应式控制的设计思路;③通过Matlab代码实现促进算法复现与进一步改进研究。; 阅读建议:建议结合文中的仿真实验结果与提供的Matlab代码,深入理解PSO与DWA的协同工作机制,重点关注算法参数设置对规划效果的影响,并可在现有模型基础上拓展更多动态障碍场景进行测试与优化。

304,254

社区成员

发帖
与我相关
我的任务
社区描述
python领域交流社区,旨在为大家提供一个文明交流,互相探讨兴趣爱好的环境,欢迎各位大佬加入。
python 个人社区 广东省·深圳市
社区管理员
  • 桃花键神
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧