随着移动机器人应用领域的扩大和工作环境的复杂化，传统路径规划算法因其自身局限性变得难以满足人们的要求。近年来，智能仿生算法因其群集智慧和生物择优特性而被广泛应用于移动机器人路径规划优化中。首先，按照智能仿生算法仿生机制的来源，对应用于路径规划优化中的智能仿生算法进行了分类。然后，按照不同的类别，系统的叙述了各种新型智能仿生算法在路径规划优化中取得的最新研究成果，总结了路径规划优化过程中存在的问题以及解决方案，并对算法在路径规划优化中的性能进行了比较分析。最后对智能仿生算法在路径规划优化中的研究方向进行了探讨。

移动机器人仿生SLAM算法研究。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

飞行昆虫视觉导航的仿生算法，刘毅，刘建国， 果蝇，蜜蜂等飞行昆虫具有简单小巧的大脑结构，这种能帮助它们完成稳定着陆，导航至食物源，障碍物回避，飞行姿态控制等操作的�

这是受自然启发的算法，鸟群算法（BSA）的演示。 与大多数元启发式算法不同，BSA 中的不同个体可能有不同的搜索策略。 从这个意义上说，BSA 是一种与生俱来的多群算法，并且可能会显示出其优于其他一些元启发式算法的优势。

入侵杂草算法的matlab实现代码，模拟自然界农田中杂草的正态扩散过程，实现最优化，与遗传算法、模拟退火算法、粒子群算法属于相同分类。

文件包含2021年群智能优化算法的变色龙群算法，参考文献为：Braik Malik Shehadeh. Chameleon Swarm Algorithm: A bio-inspired optimizer for solving engineering design problems[J]. Expert Systems With Applications, 2021, 174。适合机器学习、优化计算以及算法设计的研究者使用。

《群体智能与仿生计算》是2012年电子工业出版社出版的图书，作者是杨淑莹、张桦。本书可作为高等院校计算机工程、信息工程、生物医学工程、智能机器人学、工业自动化、模式识别等学科本科生、研究生的教材或教学参考书，也可供相关工程技术人员参考。全书共分为12章，内容包括进化计算、人工免疫算法、Memetic算法、粒子群算法、混合蛙跳算法、猫群算法、细菌觅食算法、人工鱼群算法、蚁群算法、蜂群算法、量子遗传算法等。其中，进化计算内容包括进化计算、遗传算法、进化规划算法、进化策略算法、差分进化算法；人工免疫算法内容包括人工免疫算法概述、免疫遗传算法、免疫规划算法、免疫策略算法、基于动态疫苗提取的免疫遗传算法、免疫克隆选择算法；量子计算内容包括量子计算、量子进化算法和量子遗传算法。