基于蚁群算法的机器人路径规划AntColonyAlgorithm

《基于蚁群算法的机器人路径规划AntColonyAlgorithm》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%G地形图为01矩阵，如果为1表示

2、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=G2

3、D(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==-0.5Ex=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，取为至目标点的直线距离的倒数%下面构造启发式信息矩阵fori=1:Nix=a*(mod(i,MM)-0.5);ifix==-0.5ix=MM-0.5;endiy=a*(MM+0.5-ceil(i/MM));ifi~=EEta(1,i)=1/((ix-

4、Ex)^2+(iy-Ey)^2)^0.5;elseEta(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--------------------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

5、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=1%%第三步：转轮赌法选择下一步怎么走PP=zeros(1,Len_LJD);fori=1:Len_LJDendPP=PP/(sum(PP));%建立概率分布Pcum=cumsum(PP);Select

6、=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:NifTABUkm(kk)==0DD(W,kk)=inf;DD(kk,W)=inf;endendTABUkm(W)=0;%已访问过的节点从禁忌表中删除DW=DD(W,:);LJD=find(DW

7、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ifPath(end)==EPL(k,m)=PLkm;elsePL(k,m)=inf;endend%%第六步：更新信息素Delta_Tau=zeros(N,N);%更新量初始化form=1:MifPL(k,m)