错误的基于遗传算法的机器人路径规划MATLAB源码,求高人指点错误的基于遗传算法的机器人路径规划MATLAB源码,求高人指点.doc

错误的基于遗传算法的机器人路径规划MATLAB源码,求高人指点错误的基于遗传算法的机器人路径规划MATLAB源码,求高人指点.doc

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
错误的基于遗传算法的机器人路径规划MATLAB源码,求高人指点错误的基于遗传算法的机器人路径规划MATLAB源码,求高人指点

基于遗传算法的机器人路径规划MATLAB源码 算法的思路如下:取各障碍物顶点连线的中点为路径点,相互连接各路径点,将机器人移动的起点和终点限制在各路径点上,利用Dijkstra算法来求网络图的最短路径,找到从起点P1到终点Pn的最短路径,由于上述算法使用了连接线中点的条件,不是整个规划空间的最优路径,然后利用遗传算法对找到的最短路径各个路径点Pi?(i=1,2,…n)调整,让各路径点在相应障碍物端点连线上滑动,利用Pi=?Pi1+ti×(Pi2-Pi1)(ti∈[0,1]?i=1,2,…n)即可确定相应的Pi,即为新的路径点,连接此路径点为最优路径。 function?[L1,XY1,L2,XY2]=JQRLJGH(XX,YY) %%?基于Dijkstra和遗传算法的机器人路径规划演示程序 %输入参数在函数体内部定义 %输出参数为 %??L1????由Dijkstra算法得出的最短路径长度 %??XY1???由Dijkstra算法得出的最短路径经过节点的坐标 %??L2????由遗传算法得出的最短路径长度 %??XY2???由遗传算法得出的最短路径经过节点的坐标 %程序输出的图片有 %??Fig1??环境地图(包括:边界、障碍物、障碍物顶点之间的连线、Dijkstra的网络图结构) %??Fig2??由Dijkstra算法得到的最短路径 %??Fig3??由遗传算法得到的最短路径 %??Fig4??遗传算法的收敛曲线(迄今为止找到的最优解、种群平均适应值) %%?画Fig1 figure(1); PlotGraph; title(地形图及网络拓扑结构) PD=inf*ones(26,26); for?i=1:26 ????for?j=1:26 ????????if?D(i,j)==1 ????????????x1=XY(i,5); ????????????y1=XY(i,6); ????????????x2=XY(j,5); ????????????y2=XY(j,6); ????????????dist=((x1-x2)^2+(y1-y2)^2)^0.5; ????????????PD(i,j)=dist; ????????end ????end end %%?调用最短路算法求最短路 s=1;%出发点 t=26;%目标点 [L,R]=ZuiDuanLu(PD,s,t); L1=L(end); XY1=XY(R,5:6); %%?绘制由最短路算法得到的最短路径 figure(2); PlotGraph; hold?on for?i=1:(length(R)-1) ????x1=XY1(i,1); ????y1=XY1(i,2); ????x2=XY1(i+1,1); ????y2=XY1(i+1,2); ????plot([x1,x2],[y1,y2],k); ????hold?on end title(由Dijkstra算法得到的初始路径) %%?使用遗传算法进一步寻找最短路 %第一步:变量初始化 M=50;%进化代数设置 N=20;%种群规模设置 Pm=0.3;%变异概率设置 LC1=zeros(1,M); LC2=zeros(1,M); Yp=L1; %第二步:随机产生初始种群 X1=XY(R,1); Y1=XY(R,2); X2=XY(R,3); Y2=XY(R,4); for?i=1:N ????farm{i}=rand(1,aaa); end %?以下是进化迭代过程 counter=0;%设置迭代计数器 while?counterM%停止条件为达到最大迭代次数???? ????%%?第三步:交叉 ????%交叉采用双亲双子单点交叉 ????newfarm=cell(1,2*N);%用于存储子代的细胞结构 ????Ser=randperm(N);%两两随机配对的配对表 ????A=farm{Ser(1)};%取出父代A ????B=farm{Ser(2)};%取出父代B ????P0=unidrnd(aaa-1);%随机选择交叉点 ????a=[A(:,1:P0),B(:,(P0+1):end)];%产生子代a ????b=[B(:,1:P0),A(:,(P0+1):end)];%产生子代b ????newfarm{2*N-1}=a;%加入子代种群 ????newfarm{2*N}=b; ????for?i=1:(N-1) ????????A=farm{Ser(i)}; ????????B=farm{Ser(i+1)}; ????????newfarm{2*i}=b; ????end ????FARM=[farm,newfarm];%新旧种群合并???? ????%%?第四步:选择复制 ????SER=randp

您可能关注的文档

文档评论(0)

zyongwxiaj8 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档