基于蚁群算法的MATLAB实现.docx
《基于蚁群算法的MATLAB实现.docx》由会员分享，可在线阅读，更多相关《基于蚁群算法的MATLAB实现.docx（6页珍藏版）》请在冰豆网上搜索。
欢迎访问GreenSim团队主页→邮箱：
greensim@
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→
%%---------------------------------------------------------------
%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----------------------------------
%load
D=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;
end
Ey=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:
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;
end
end
ROUTES=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;%邻接矩阵初始化
%%第二步：
下一步可以前往的节点
DW=DD（W,:
）;
DW1=find（DWforj=1:
length（DW1）
ifTABUkm（DW1（j））==0
end
end
LJD=find（DWLen_LJD=length（LJD）;%可选节点的个数
%%觅食停止条件：
蚂蚁未遇到食物或者陷入死胡同
whileW~=E&&Len_LJD>=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
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）=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（DWLen_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
ROUTES{k,m}=Path;
ifPath（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
form=1:
M
ifPL（k,m）ROUT=ROUTES{k,m};
TS=length（ROUT）-1;%跳数
PL_km=PL（k,m）;
fors=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
ifplotif==1
%绘收敛曲线
meanPL=zeros（1,K）;
minPL=zeros（1,K）;
fori=1:
K
PLK=PL（i,:
）;
Nonzero=find（PLKPLKPLK=PLK（Nonzero）;
meanPL（i）=mean（PLKPLK）;
minPL（i）=min（PLKPLK）;
end
figure
（1）
plot（minPL）;
holdon
plot（meanPL）;
gridon
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]）
fori=1:
MM
forj=1:
MM
ifG（i,j）==1
x1=j-1;y1=MM-i;
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],[0.2,0.2,0.2]）;
holdon
else
x1=j-1;y1=MM-i;
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]）;
holdon
end
end
end
holdon
ROUT=ROUTES{K,M};
Rx=ROUT;
Ry=ROUT;
forii=1:
LENROUT
Rx（ii）=a*（mod（ROUT（ii）,MM）-0.5）;
ifRx（ii）==-0.5
Rx（ii）=MM-0.5;
end
Ry（ii）=a*（MM+0.5-ceil（ROUT（ii）/MM））;
end
plot（Rx,Ry）
end
plotif2=0;%绘各代蚂蚁爬行图
ifplotif2==1
figure（3）
axis（[0,MM,0,MM]）
fori=1:
MM
forj=1:
MM
ifG（i,j）==1
x1=j-1;y1=MM-i;
x2=j;y2=MM-i;
x4=j-1;y4=MM-i+1;
fill
升级会员 