基于蚁群算法的机器人路径规划Ant Colony Algorithm

《基于蚁群算法的机器人路径规划Ant Colony Algorithm》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于蚁群算法的机器人路径规划说明：  基于蚁群算法的机器人路径规划，使用网格离散化的方法对带有障碍物的环境建模，使用邻接矩阵存储该环境，使得问题转化为蚁群算法寻找最短路径。使用网格离散化的方法对带有障碍物的环境建模，使用邻接矩阵存储该环境，使得问题转化为蚁群算法寻找最短路径。%  ACASP.m%  蚁群算法动态寻路算法%  GreenSim团队原创作品，转载请注明%  Email:greensim@163.com%%---------------------------------------------------------------%  输入参数列表

2、%  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 

3、   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ifEx==-0.5  Ex=MM-0.5;endEy=a*(MM+0.5-ceil(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

4、线距离的倒数%下面构造启发式信息矩阵fori=1:N  ix=a*(mod(i,MM)-0.5);  ifix==-0.5      ix=MM-0.5;  end  iy=a*(MM+0.5-ceil(i/MM));     ifi~=E      Eta(1,i)=1/((ix-Ex)^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%%----------

5、-启动K轮蚂蚁觅食活动，每轮派出M只蚂蚁--------------------fork=1:K  %disp(k);  form=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(DW

6、1)        ifTABUkm(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);        fori=1:Len_LJD        end        PP=PP/(sum(PP));%建立概率分布 

7、       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        forkk=1:N          ifTABUkm(kk)==0              DD(W,kk

8、)=inf;