基于蚁群算法地机器人路径规划AntColonyAlgorithm

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 if Ex==-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

for i=1:N

ix=a*(mod(i,MM)-0.5); if ix==-0.5

ix=MM-0.5; end

iy=a*(MM+0.5-ceil(i/MM)); if i~=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 for k=1:K %disp(k); for m=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(DWLJD=find(DW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

while W~=E&&Len_LJD>=1 %%

第三步：转轮赌法选择下一步怎么走 PP=zeros(1,Len_LJD); for i=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

M 只蚂蚁 --------------------

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 for kk=1:N

if TABUkm(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(DW可选节点集

Len_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

if Path(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 for m=1:M

if PL(k,m)ROUT=ROUTES{k,m}; TS=length(ROUT)-1;% 跳数 PL_km=PL(k,m); for s=1:TS x=ROUT(s); y=ROUT(s+1);

end end end

Tau=(1-Rho).*Tau+Delta_Tau;% 信息素挥发一部分，新增加一部分 end

%% --------------------------- if plotif==1 % 绘收敛曲线 meanPL=zeros(1,K);

绘图 --------------------------------

plotif=0;% 是否绘图的控制参数

minPL=zeros(1,K); for i=1:K

PLK=PL(i,:);

Nonzero=find(PLKplot(meanPL); grid on

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]) for i=1:MM

for j=1:MM if G(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]);hold on 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]); hold on end end end hold on

ROUT=ROUTES{K,M}; Rx=ROUT; Ry=ROUT;

for ii=1:LENROUT

Rx(ii)=a*(mod(ROUT(ii),MM)-0.5);

');

if Rx(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 if plotif2==1 figure(3)

axis([0,MM,0,MM]) for i=1:MM

for j=1:MM if G(i,j)==1

x1=j-1;y1=MM-i; x2=j;y2=MM-i; x4=j-1;y4=MM-i+1;

fill([x1,x2,x3,x4],[y1,y2,y3,y4],[0.2,0.2,0.2]);

hold on 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]); hold on end end end for k=1:K

PLK=PL(k,:); minPLK=min(PLK); pos=find(PLK==minPLK); m=pos(1);

ROUT=ROUTES{k,m}; LENROUT=length(ROUT); Rx=ROUT; Ry=ROUT;

for ii=1:LENROUT

Rx(ii)=a*(mod(ROUT(ii),MM)-0.5); if Rx(ii)==-0.5 Rx(ii)=MM-0.5; end

Ry(ii)=a*(MM+0.5-ceil(ROUT(ii)/MM));

end

plot(Rx,Ry)

hold on end