4-ACO算法（蚁群算法）的栅格路径寻优计算
4-ACO算法（蚁群算法）的栅格路径寻优计算链接：https://pan.baidu.com/s/1nUCFCm1601EU94oKq_hWbw 密码：8rmq
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
%% ACO 参数
maxiter = 30;% 迭代次数
sizepop = 10;% 种群数量
popmin1 = 1;popmax1 = 51; % x1
popmin2 = 1;popmax2 = 51; % x2
Rou = 1.0; % 信息素增量强度
P0 = 0.1; % 转移概率
% 初始化种群
for i=1:sizepop
x1 = round( popmin1 + (popmax1-popmin1)*rand );
x2 = round( popmin2 + (popmax2-popmin2)*rand );
pop(i,1) = x1;
pop(i,2) = x2;
= fun_dijstra( , A, dij );
end
% 记录一组最优值
=min(fitness);
zbest.pop=pop(bestindex,:); % 全局最佳
zbest.path=path{bestindex}; % 全局最佳对应的最优路径
gbest=pop; % 个体最佳
fitnessgbest=fitness; % 个体最佳适应度值
fitnesszbest=bestfitness; % 全局最佳适应度值
%% 迭代寻优
for i=1:maxiter
lamda = 1/i; % 信息素挥发因子
=min(fitness);
for j=1:sizepop
Pt(j) = (fitness(j)-bestfit)./bestfit;
end
for j=1:sizepop
% 转移概率值
if Pt(j)<P0
pop(j,:) = round( pop(j,:) + (2*rand-1)*lamda/2 );
else
pop(j,1) = round( pop(j,1) + (popmax1-popmin1)*(rand-0.5) );
pop(j,2) = round( pop(j,2) + (popmax2-popmin2)*(rand-0.5) );
end
% 越界处理
if pop(j,1)>popmax1
pop(j,1)=popmax1;
end
if pop(j,1)<popmin1
pop(j,1)=popmin1;
end
if pop(j,2)>popmax2
pop(j,2)=popmax2;
end
if pop(j,2)<popmin2
pop(j,2)=popmin2;
end
% 适应度值
= fun_dijstra( , A, dij );
= fun_dijstra( , A, dij );
if fitness1<fitness2
gbest(j,:) = pop(j,:);
else
pop(j,:) = gbest(j,:);
end
= fun_dijstra( , A, dij );
fitness(j) = (1-Rou)*fitness(j) + fitness3;
if fitness(j) < fitnesszbest
fitnesszbest = fitness(j);
fitnessgbest(j) = fitness3;
zbest.pop = pop(j,:);
zbest.path = path{j};
end
end
fitness_iter(i) = fitnesszbest;
end
%% 结果显示
figure('color',)
plot(fitness_iter,'ro-','linewidth',2)
grid on
xlabel('迭代次数');
ylabel('适应度函数值')
fprintf('最优个体')
zbest
%% 绘图
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适应度函数：function = fun_dijstra( pop, A, dij )
path =[];
for i=1:length(pop)-1
% path1 = find_path2(pop(i), pop(i+1), A);% 找路径
path1 = dijkstra(pop(i), pop(i+1), dij);% 找路径
path = ;
end
% 删除重复的节点
index=[];
for i=1:length(path)-1
if(path(i)==path(i+1))
index=;
end
end
path(index)=[];
fitness = ca_tsp(path,dij);
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 新手学习路径优化，感谢分享 学习一下，感谢楼主 感谢楼主的分享
页:
[1]