基于蚁族算法的二维路径规划算法，可以用于机器人的路径规划问题，寻找最优路径。

路径问题研究了物流配送中多车运输的集货与送货车辆路径规划问题,以增加时间惩罚费用的方式插入软时间窗约束,将租车费用、货车运输费用和时间惩罚费用三者之和最小作为优化目标,建立数学模型。
采用启发式节约算法求解该模型,考虑时间惩罚费用和运输费用,比较每一配送节点上直接送货和间接送货的节约费用关系,求出最优配送路径。
试验结果表明:当配送次数达到50次时,货车平均装载率仍能达到80%以上,该节约算法能减少货车空程行驶和租车次数,优化了全局费用。

《最优化方法及其Matlab程序设计》较系统地介绍了非线性最优化问题的基本理论和算法，以及主要算法的Matlab程序设计，主要内容包括（精确或非精确）线搜索技术、最速下降法与（修正）牛顿法、共轭梯度法、拟牛顿法、信赖域方法、非线性最小二乘问题的解法、约束优化问题的最优性条件、罚函数法、可行方向法、二次规划问题的解法、序列二次规划法等。
设计的Matlab程序有精确线搜索的0.618法和抛物线法、非精确线搜索的Armijo准则、最速下降法、牛顿法、再开始共轭梯度法、BFGS算法、DFP算法、Broyden族方法、信赖域方法、求解非线性最小二乘问题的L.M算法、解约束优化问题的乘子法、求解二次规划的有效集法、SQP子问题的光滑牛顿法以及求解约束优化问题的SQP方法等，此外，《最优化方法及其Matlab程序设计》配有丰富的例题和习题，并在附录介绍了Matlab优化工具箱的使用方法。

思维导图，包含了最优化问题中所有的算法记起分类和相关实现图片。
附华南理工大学matlab实现最优化问题求解的代码课件以及相关代码示例，详细版。

机器人障碍环境下路径规划问题，采用改进的回退蚁群算法，matlab版源代码，有可视化界面。

pso算法路径的规划问题，主要是在有障碍的情况下从一点到达另一点的路径规划。

基于python的解线性规划问题程序代码，适用环境为python3.6

有各类多目标规划问题，和相应得到求解理论方法，还有对应的matlab程序

matlab用于求解规划问题的工具包推荐把这个工具整合到matlab中去，这个工具是私人的，不过大家都可以免费下载使用。
下载后，只要在matlab中添加路径就可以使用这工具箱。

matlab用于求解规划问题的工具包推荐把这个工具整合到matlab中去，这个工具是私人的，不过大家都可以免费下载使用。
下载后，只要在matlab中添加路径就可以使用这工具箱。
正在吸引我的是，这个工具箱建立了一种新的数据类型，使所有规划问题都整合在一起。
举例如下：已知非线性整数规划为：Maxz=x1^2+x2^2+3*x3^2+4*x4^2+2*x5^2-8*x1-2*x2-3*x3-x4-2*x5s.t.0＜=xi＜=99(i=1,2,...,5)x1+x2+x3+x4+x5＜=400x1+2*x2+2*x3+x4+6*x5＜=8002*x1+x2+6*x3＜=800x3+x4+5*x5＜=200在matlab中输入x=intvar（1，5）；
f=[11342]*(x'.^2)-[82312]*x';F=set(0＜=x＜=99);F=F+set([11111]*x'＜=400)+set([12216]*x'＜=800)+set(2*x(1)+x(2)+6*x(3)＜=800);F=F+set(x(3)+x(4)+5*x(5)＜=200);solvesdp(F,-f)double(f)80199double(x)539999990intvar（m，n）:生成整数型变量；
sdpvar（m，n）：生产变量；
solvesdp（F，f）：求解最优解（最小值），其中F为约束条件（用set连接），f为目标函数double：显示求解的答案intvar，sdpvar，生成的变量可以像矩阵一样使用，如例题显示。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。