【路径规划】基于蚁群算法实现无人机路径规划matlab源码

1 简介

2 部分代码

%% 该函数用于演示基于蚁群算法的三维路径规划算法

%% 清空环境
clc
clear

%% 数据初始化

%下载数据
load  HeightData HeightData

%网格划分
LevelGrid=10;
PortGrid=21;

%起点终点网格点 
starty=10;starth=4;
endy=8;endh=5;
m=1;
%算法参数
PopNumber=10;         %种群个数
BestFitness=[];    %最佳个体

%初始信息素
pheromone=ones(21,21,21);

%% 初始搜索路径
[path,pheromone]=searchpath(PopNumber,LevelGrid,PortGrid,pheromone, ...
   HeightData,starty,starth,endy,endh); 
fitness=CacuFit(path);                          %适应度计算
[bestfitness,bestindex]=min(fitness);           %最佳适应度
bestpath=path(bestindex,:);                     %最佳路径
BestFitness=[BestFitness;bestfitness];          %适应度值记录

%% 信息素更新
rou=0.2;
cfit=100/bestfitness;
for i=2:PortGrid-1
   pheromone(i,bestpath(i*2-1),bestpath(i*2))= ...
      (1-rou)*pheromone(i,bestpath(i*2-1),bestpath(i*2))+rou*cfit;
end
   
%% 循环寻找最优路径
for kk=1:100
    
   %% 路径搜索
  [path,pheromone]=searchpath(PopNumber,LevelGrid,PortGrid,...
       pheromone,HeightData,starty,starth,endy,endh); 
   
   %% 适应度值计算更新
   fitness=CacuFit(path);                               
  [newbestfitness,newbestindex]=min(fitness);     
   if newbestfitness<bestfitness
       bestfitness=newbestfitness;
       bestpath=path(newbestindex,:);
   end 
   BestFitness=[BestFitness;bestfitness];
   
   %% 更新信息素
   cfit=100/bestfitness;
   for i=2:PortGrid-1
       pheromone(i,bestpath(i*2-1),bestpath(i*2))=(1-rou)* ...
           pheromone(i,bestpath(i*2-1),bestpath(i*2))+rou*cfit;
   end

end

%% 最佳路径
for i=1:21
   a(i,1)=bestpath(i*2-1);
   a(i,2)=bestpath(i*2);
end
figure(1)
x=1:21;
y=1:21;
[x1,y1]=meshgrid(x,y);
mesh(x1,y1,HeightData)
axis([1,21,1,21,0,2000])
hold on
k=1:21;
plot3(k(1)',a(1,1)',a(1,2)'*200,'--o','LineWidth',2,...
                      'MarkerEdgeColor','k',...
                      'MarkerFaceColor','g',...
                      'MarkerSize',10)
plot3(k(21)',a(21,1)',a(21,2)'*200,'--o','LineWidth',2,...
                      'MarkerEdgeColor','k',...
                      'MarkerFaceColor','g',...
                      'MarkerSize',10)
                  text(k(1)',a(1,1)',a(1,2)'*200,'S');
text(k(21)',a(21,1)',a(21,2)'*200,'T');
xlabel('km','fontsize',12);
ylabel('km','fontsize',12);
zlabel('m','fontsize',12);
title('三维路径规划空间','fontsize',12)
set(gcf, 'Renderer', 'ZBuffer')
hold on
plot3(k',a(:,1)',a(:,2)'*200,'--o')

%% 适应度变化
figure(2)
plot(BestFitness)
title('最佳个体适应度变化趋势')
xlabel('迭代次数')
ylabel('适应度值')

3 仿真结果

4 参考文献

[1]张淼. 三维环境中基于多目标蚁群算法的无人机多路径规划[J]. 科研.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。