1-BFO算法（细菌觅食算法）的栅格路径寻优计算
1-BFO算法（细菌觅食算法）的栅格路径寻优计算链接：https://pan.baidu.com/s/1LHSw6LmdT9moI6xY83EzOQ 密码：q954
具体链接在halcom.cn论坛，联系人QQ：3283892722
该论坛是一个学习交流平台，我会逐一的和大家分享学习。
欢迎大家录制视频，你可在论坛进行打赏分享。
视频专用播放器：http://halcom.cn/forum.php?mod=viewthread&tid=258&extra=page%3D1
主程序如下：
clc,clear,close all
warning off
%% MAP
load('data2.mat');
K = 4; % 与节点自身相连的节点数
= init_map(data2,K);
%% 目标
startpoint=39;% 起始节点
endpoint=18; % 终止节点
%% BFO优化算法 参数
% maxiter = 100; % 最大迭代次数
sizepop = 20; % 种群数量
Nc = 20; % 趋化次数
Ns = 4; % 游动次数
C(:,1) = 1*ones(sizepop,1); % 翻转选定方向后，单个细菌前进的步长
Nre = 2; % 复制次数
Ned = 2; % 驱散(迁移)次数
Sr = ceil( sizepop/2 ); % 复制（分裂）次数
Ped = 0.25; % 细菌驱散(迁移)概率
d_attract = 0.05; % 吸引剂的数量
w_attract = 0.05; % 吸引剂的释放速度
h_repellant = 0.05; % 排斥剂的数量
w_repellant = 0.05; % 排斥剂的释放速度
ww = 0.0; % 适应度增量因子
nvar = 3; % 3个未知量 --- 起始节点到目标节点之间找3个点出来
popmin1 = 1;popmax1 = 51; % x1
popmin2 = 1;popmax2 = 51; % x2
popmin3 = 1;popmax3 = 51; % x3
Cmin = -5;% 最小步长
Cmax = 5; % 最大步长
%% 初始化种群
for i=1:sizepop
x1 = round(popmin1 + (popmax1-popmin1)*rand);
x2 = round(popmin2 + (popmax2-popmin2)*rand);
x3 = round(popmin3 + (popmax3-popmin3)*rand);
pop(i,1) = x1; % 初始化个体
pop(i,2) = x2; % 初始化个体
pop(i,3) = x3; % 初始化个体
= fun_dijstra(, A, dij ); % 适应度值
C(i,1) = Cmin + (Cmax-Cmin)*rand;% 步长
end
clear x1 x2 x3
%% 记录一组最优值
=min(fitness);
zbest=pop(bestindex,:); % 全局最佳
fitnesszbest=bestfitness; % 全局最佳适应度值
NcSizepop = 0; % 记录最优适应度值（函数值）
zbestpath = path{bestindex}; % 最优路径
%% 迭代寻优
for i = 1:Ned % 驱散(迁移)次数
for k = 1:Nre % 复制次数
for m = 1:Nc % 趋化次数
for j=1:sizepop % 种群
% Jcc计算
Jcc = sum( -d_attract*exp( w_attract*sum(pop(j,1)-pop(:,1).^2) ) + ...
h_repellant*exp( w_repellant*sum(pop(j,2)-pop(:,2).^2) ));
poplast = pop(j,:);% 当前的种群个体
fitness(j) = fitness(j) + ww*Jcc;
Jlast = fitness(j);% 当前适应度值
% 翻转
delta = 15*rand(1,nvar)-0.5;
pop(j,:) = round( pop(j,:) + C(j,:).*delta./(sqrt( delta*delta' )) );
% x1
if pop(j,1)>popmax1
pop(j,1)=popmax1;
end
if pop(j,1)<popmin1
pop(j,1)=popmin1;
end
% x2
if pop(j,2)>popmax2
pop(j,2)=popmax2;
end
if pop(j,2)<popmin2
pop(j,2)=popmin2;
end
% x3
if pop(j,3)>popmax3
pop(j,3)=popmax3;
end
if pop(j,3)<popmin3
pop(j,3)=popmin3;
end
% 更新当前适应度值？
= fun_dijstra(, A, dij ); % 适应度值
% 游动
n=0;
while(n<Ns) % 游动次数
if fitness(j)<Jlast
Jlast = fitness(j);
poplast = pop(j,:);
else % 不更新适应度值
n=Ns;
end
end
% 适应度更新
% 比较 个体间比较
if Jlast<bestfitness
bestfitness = Jlast;
% zbest =pop(j,:);
zbest = poplast;
zbestpath = path{j}; % 最优解对应的最优路径
end
end % sizepop种群数量
% 记录最优适应度值
NcSizepop = NcSizepop+1;
fitness_iter(NcSizepop) = bestfitness;
end % Nc 趋化次数
% 复制操作
= sort(fitness,'descend');% 降序排列
for Nre2 = 1:Sr % 将最大适应度值的Sr个种群，进行更新
pop(index(Nre2),1) = round(popmin1 + (popmax1-popmin1)*rand);
pop(index(Nre2),2) = round(popmin2 + (popmax2-popmin2)*rand);
pop(index(Nre2),3) = round(popmin3 + (popmax2-popmin3)*rand);
= fun_dijstra(, A, dij );
C(index(Nre2),1) = Cmin + (Cmax-Cmin)*rand;% 步长
% 比较 个体间比较
if fitness(index(Nre2))<bestfitness
bestfitness = fitness(index(Nre2));
zbest =pop(index(Nre2),:);
zbestpath =path{index(Nre2)}; % 最优解对应的最优路径
end
end
end % Nre复制操作
for j=1:sizepop % 种群
if Ped>rand
pop(j,1) = round(popmin1 + (popmax1-popmin1)*rand);
pop(j,2) = round(popmin2 + (popmax2-popmin2)*rand);
pop(j,3) = round(popmin3 + (popmax2-popmin3)*rand);
= fun_dijstra(, A, dij );
% 比较 个体间比较
if fitness(j)<bestfitness
bestfitness = fitness(j);
zbest =pop(j,:);
zbestpath =path{j}; % 最优解对应的最优路径
end
end
end
end % Ned 驱散(迁移)次数
disp('最优解')
disp(zbest)
fprintf('\n')
disp('最优解对应的最优路径')
disp(zbestpath)
fprintf('\n')
figure('color',)
plot(fitness_iter,'ro-','linewidth',2)
% loglog(fitness_iter,'ro-','linewidth',2)
axis tight
grid on
%% 绘图
zbest1 = zbest;
zbest.pop = zbest1;
zbest.path = zbestpath;
figure(3)
colormap(),pcolor(0.5:size(a,2)+0.5,0.5:size(a,1)+0.5,b)
hold on
% 节点网络结构初始化
for i=1:citynum
plot(x(i)+0.5,y(i)+0.5,'ro','MarkerEdgeColor','r','MarkerFaceColor','g','markersize',8);
hold on;
text(x(i)+0.5,y(i)+0.5+0.2,num2str(i),'Color',);
end
% 连线
for i=1:length(zbest.path)-1
plot(,,'b-','MarkerEdgeColor','r','MarkerFaceColor','g','markersize',8,'linewidth',2);
end
axis tight;
axis off;
hold off
参考：
【1】基于穷举法的机器人避障路径寻优（免费）
【2】智能车辆局部避障路径规划及横向运动控制研究_陈东
【3】3-PSO算法（粒子群算法）的栅格路径寻优计算
新手学习路径优化，感谢分享 感谢楼主分享 感谢分享
感谢分享，学习了，谢谢 新手学习规划，感谢哒楼主分享 BFO算法（细菌觅食算法）的栅格路径，感谢楼主 感谢分享，学习了，谢谢
页:
[1]