Este artigo propõe um algoritmo rápido de rede neural de reinicialização zero para resolver o sistema linear de Laplace variante no tempo gerado pela modelagem de uma rede dinâmica de resistência quadrangular de superestrutura na superfície de uma rede de descanso. Ao incorporar a estrutura intrínseca da matriz de forma especial de baixo nível no design central da neurodinâmica, o algoritmo pode realizar o cálculo eficiente do potencial em tempo real sob condições dinâmicas. A análise baseada na teoria de Lyapunov prova a convergência exponencial global. Simulações numéricas de redes resistivas de diferentes escalas mostram que o algoritmo possui alta eficiência computacional e converge para a solução sob quaisquer condições iniciais. Combinando o algoritmo como solucionador de campo potencial com um algoritmo de planejamento de caminho orientado por campo potencial, propõe-se um algoritmo rápido de planejamento de caminho para navegação robótica na superfície da rede de descanso, aproveitando a característica natural de queda do potencial nos nós da rede resistiva. Em comparação com métodos tradicionais de planejamento de caminho, o algoritmo proposto apresenta maior eficiência computacional na tarefa acima mencionada de planejamento de caminho na superfície da rede de descanso, e essa vantagem se torna mais evidente à medida que a escala da rede aumenta. O algoritmo também foi aplicado a tarefas de planejamento dinâmico de caminhos, validando ainda mais seu potencial em aplicações de robótica e controle. Por fim, o artigo propõe duas conjecturas.

rede neural de reinicialização zero; rede resistiva; sistema de Laplace; resistência equivalente; potencial; planejamento de caminho