基于蚁群算法的MATLAB实现.doc

(完整版)基于蚁群算法的MATLAB实现基于蚁群算法的机器人路径规划MATLAB源代码基本思路是，使用离散化网格对带有障碍物的地图环境建模，将地图环境转化为邻接矩阵，最后使用蚁群算法寻找最短路径。function ROUTES，PL,Tau=ACASPS（G，Tau,K，M，S,E,Alpha,Beta,Rho,Q）% -% ACASP。m% 基于蚁群算法的机器人路径规划 GreenSim团队-专业级算法设计&代写程序 欢迎访问GreenSim团队主页http：/blog。cn/greensim -% 输入参数列表 G 地形图为01矩阵，如果为1表示障碍物 Tau 初始信息素矩阵（认为前面的觅食活动中有残留的信息素） K 迭代次数(指蚂蚁出动多少波）% M 蚂蚁个数(每一波蚂蚁有多少个）% S 起始点（最短路径的起始点）% E 终止点（最短路径的目的点）% Alpha 表征信息素重要程度的参数% Beta 表征启发式因子重要程度的参数 Rho 信息素蒸发系数% Q 信息素增加强度系数% 输出参数列表 ROUTES 每一代的每一只蚂蚁的爬行路线 PL 每一代的每一只蚂蚁的爬行路线长度 Tau 输出动态修正过的信息素% -变量初始化-%loadD=G2D(G)；N=size（D，1)；%N表示问题的规模(象素个数）MM=size（G，1）;a=1;小方格象素的边长Ex=a*（mod（E,MM）-0。5）；%终止点横坐标if Ex=0.5 Ex=MM0.5；endEy=a*(MM+0。5ceil(E/MM）;终止点纵坐标Eta=zeros(1，N);启发式信息，取为至目标点的直线距离的倒数下面构造启发式信息矩阵for i=1:N ix=a*（mod(i,MM）0。5）； if ix=0。5 ix=MM0.5; end iy=a*（MM+0.5ceil（i/MM)）; if i=E Eta(1，i)=1/（ixEx）2+(iy-Ey)2）0.5； else Eta（1，i）=100; endendROUTES=cell(K，M）;用细胞结构存储每一代的每一只蚂蚁的爬行路线PL=zeros(K，M）；用矩阵存储每一代的每一只蚂蚁的爬行路线长度% -启动K轮蚂蚁觅食活动,每轮派出M只蚂蚁-for k=1：K disp(k）; for m=1：M% 第一步:状态初始化 W=S;当前节点初始化为起始点 Path=S；%爬行路线初始化 PLkm=0；%爬行路线长度初始化 TABUkm(S)=0；已经在初始点了,因此要排除 DD=D；邻接矩阵初始化% 第二步：下一步可以前往的节点 DW=DD(W,:）； DW1=find（DWinf）； for j=1：length(DW1） if TABUkm(DW1(j）)=0 end end LJD=find（DW=1% 第三步:转轮赌法选择下一步怎么走 PP=zeros(1，Len_LJD)； for i=1:Len_LJD end PP=PP/(sum（PP)）；建立概率分布 Pcum=cumsum(PP）; Select=find(Pcum=rand); to_visit=LJD(Select(1)）；%下一步将要前往的节点 第四步:状态更新和记录 Path=Path,to_visit；路径增加 PLkm=PLkm+DD（W,to_visit)；%路径长度增加 W=to_visit;%蚂蚁移到下一个节点 for kk=1:N if TABUkm(kk）=0 DD(W,kk）=inf; DD（kk，W）=inf; end end TABUkm(W)=0;%已访问过的节点从禁忌表中删除 DW=DD(W，：）； LJD=find（DWinf）;%可选节点集 Len_LJD=length(LJD）;可选节点的个数 end% 第五步：记下每一代每一只蚂蚁的觅食路线和路线长度 ROUTESk,m=Path; if Path（end)=E PL(k,m)=PLkm; else PL（k，m）=inf; end end% 第六步：更新信息素 Delta_Tau=zeros(N，N);%更新量初始化 for m=1：M if PL(k,m)inf ROUT=ROUTESk，m; TS=length（ROUT)1;%跳数 PL_km=PL(k，m); for s=1:TS x=ROUT(s）; y=ROUT(s+1); Delta_Tau（x,y）=Delta_Tau(x,y)+Q/PL_km； Delta_Tau(y,x)=Delta_Tau（y,x）+Q/PL_km； end end end Tau=(1-Rho).Tau+Delta_Tau;信息素挥发一部分，新增加一部分end% -绘图-plotif=0；是否绘图的控制参数if plotif=1 %绘收敛曲线 meanPL=zeros(1，K); minPL=zeros（1，K)； for i=1:K PLK=PL（i，:); Nonzero=find(PLKinf); PLKPLK=PLK(Nonzero)； meanPL(i)=mean（PLKPLK)； minPL（i)=min（PLKPLK)； end figure（1） plot（minPL)； hold on plot(meanPL)； grid on title（收敛曲线（平均路径长度和最小路径长度)； xlabel(迭代次数); ylabel（路径长度）; 绘爬行图 figure（2) axis(0，MM,0，MM) for i=1:MM for j=1：MM if G（i，j)=1 x1=j1；y1=MMi; x2=j；y2=MMi； x3=j;y3=MM-i+1； x4=j1；y4=MMi+1； fill(x1，x2,x3，x4,y1，y2,y3，y4,0.2，0.2,0。2)； hold on else x1=j-1;y1=MMi; x2=j；y2=MM-i; x3=j；y3=MM-i+1; x4=j-1；y4=MM-i+1； fill（x1，x2,x3，x4，y1，y2，y3,y4,1,1,1）； hold on end end end hold on ROUT=ROUTESK，M； Rx=ROUT； Ry=ROUT; for ii=1:LENROUT Rx(ii）=a*(mod(ROUT(ii），MM)0.5）; if Rx(ii）=0。5 Rx(ii)=MM-0.5； end Ry（ii）=a(MM+0.5ceil(ROUT(ii)/MM)； end plot（Rx，Ry）endplotif2=0；%绘各代蚂蚁爬行图if plotif2=1 figure（3) axis（0,MM，0，MM) for i=1：MM for j=1：MM if G(i,j)=1 x1=j1；y1=MMi； x2=j;y2=MM-i; x4=j-1;y4=MMi+1; fill（x1，x2,x3，x4,y1，y2,y3,y4，0。2，0.2,0。2)； hold on else x1=j1；y1=MM-i; x2=j;y2=MM-i; x3=j；y3=MM-i+1； x4=j1;y4=MM-i+1; fill（x1，x2,x3，x4,y1，y2,y3,y4，1，1，1）; hold on end end end for k=1：K PLK=PL(k,:）； minPLK=min(PLK); pos=find(PLK=minPLK)； m=pos（1）; ROUT=ROUTESk,m； LENROUT=length（ROUT)； Rx=ROUT； Ry=ROUT； for ii=1:LENROUT Rx(ii)=a*(mod(ROUT（ii）,MM)0.5）； if Rx(ii）=-0.5 Rx（ii）=MM0.5； end Ry（ii）=a（MM+0.5-ceil（ROUT（ii)/MM)）; end plot(Rx，Ry） hold on endend源代码运行结果展示 第6页