基于蚁群算法的MATLAB实现.docx

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[ROUTESPLTau]=ACASPS(GTauKMSEAlphaBetaRhoQ)%%---------------------------------------------------------------%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.sina.com.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(D1);%N表示问题的规模（象素个数）MM=size(G1);a=1;%小方格象素的边长Ex=a*(mod(EMM)-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(1N);%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(iMM)-0.5);ifix==-0.5ix=MM-0.5;endiy=a*(MM+0.5-ceil(i/MM));ifi~=EEta(1i)=1/((ix-Ex)^2+(iy-Ey)^2)^0.5;elseEta(1i)=100;endendROUTES=cell(KM);%用细胞结构存储每一代的每一只蚂蚁的爬行路线PL=zeros(KM);%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(DW<inf);forj=1:length(DW1)ifTABUkm(DW1(j))==0endendLJD=find(DW<inf);%可选节点集Len_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(1Len_LJD);fori=1:Len_LJDendPP=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