【蚊子无人机】随机游走模型无人机消除蚊子路径规划【含Matlab源码 2433期】

最新推荐文章于 2024-03-31 11:15:58 发布

Matlab武动乾坤

最新推荐文章于 2024-03-31 11:15:58 发布

阅读量72

点赞数

分类专栏： Matlab路径规划（进阶版）文章标签： matlab

本文链接：https://blog.csdn.net/KeepingMatlab/article/details/134571927

版权

Matlab路径规划（进阶版）专栏收录该内容

716 篇文章 28 订阅

订阅专栏

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

⛄一、随机游走模型

随机游走模型是通过随机选取某一文献作为起点，随机游走所有的文献，根据信息特征相似性对游走线路作加权处理，查阅所有文献后完成聚类。

随机游走算法通过对数据集进行统一的定义，把给定的数据集合作为固定数目的节点和边的离散对象，将数据聚类分析问题转化为无向加权图来实现求解。首先，将数据集映射成一个无向加权图G=(V,E)，由数据值的节点vi∈V和表示数据与其相邻数据间关系的边界e∈E组成。eij表示连接两个顶点vi、vj的边，每条边用权重wij来表示两个顶点之间的相似或差异程度。顶点vi的度定义为di=∑wij，等于所有与结点Vi相关联边的权值和;其次，根据数据性质设置k个标记点，通过为每个未被标记的数据节点分配一个k维向量，来表示一个未被标记点到达所有标记点的随机游走过程。第三，每个一维向量均表示从每个未标记点出发，第一次到达k个标记点的概率，k个概率中最大的值为未标记点所属的类标签。该方法将具有相似性的数据就可归为一类，根据不同类别之间的差异实现数据聚类。

两个文本数据X和Y的相似度可根据Tanimoto系数表示为式(1):
在这里插入图片描述
其中，X与Y的相似度x、y即由二者相同的关键词与所有关键词之和的比值来表示，该相似度在进行归一化后也作为游走概率即游走过程中的权重处理。

在一定的边界条件下，随机游走转移概率的求解问题与联合狄利克雷求解问题的解相似。因此，本文通过求解联合狄利克雷问题的解来实现随机游走算法求解，在区域Ω上，给定定义文献节点的函数u，其狄利克雷积分形式为式(2):
在这里插入图片描述
随机游走从一个非标记点到标记点的概率等于该标记点在边界条件下的狄利克雷函数，求解的问题即在某个边界条件下求解拉普拉斯函数，定义该文献由二维参数i与j描述，如式(3)所示:

组合拉普拉斯矩阵在映射图中定义如式(4):
在这里插入图片描述
如果连续，联合梯度算子和联合散度算子之积可以表示各向同性的联合拉普拉斯矩阵即L=ATA。在映射图中，矩阵C可看作向量上一个加权内积大小的度量，当C=I时，L=ATCA可简化为L=ATA。因此，调和函数求解问题可通过上述定义解决即:在固定标记点值已知情况下，非标记点到标记点的概率值可求，式(2)可转化为:
在这里插入图片描述
其中，L为联合的拉普拉斯矩阵，x为图中数据的概率值，D[x]的最小值可通过联合调和函数x求得，映射图中的所有节点可分为未标记点集合和标记点集合集将拉普拉斯矩阵按标记点和未标记点排列得:

⛄二、部分源代码

function [coveragepct,killpct] = MosquitoSimv2p4boustrophedon(screenWidth,velocitystdR,showPlots)
% 模拟一组蚊子在一个面积 LxL 米使用随机
% walk model that is biased toward green areas of a background image.
% 偏向背景图像的绿色区域的行走模型。
%
% 输入
% 屏幕宽度: 以 m 为单位，机器人携带的“屏幕”的大小
% 杀死蚊子
% 机器人的速度
%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%参数
%违约
if nargin<2
velocitystdR = 12.0; %m/s
screenWidth = 1;
showPlots = false; %显示或隐藏情节。跑得更快时，关闭
end

nM = 10000; %蚊子数目
L = 100; %工作区宽度
nIters = 300; %300s = 5min or 900s = 15min flying time for drone

timeStep = 1; %秒
killTotal = 0;

%%% 启动机器人
PoseR = [screenWidth/2,0,pi/2,1];
%nR = size(PoseR,1);
Xr=PoseR(1,1);
Yr=PoseR(1,2);
thetaR=PoseR(1,3);
%%% 启动蚊子
PoseM = [Lrand(nM,2), 2pi*rand(nM,1), ones(nM,1)]; %[x,y,theta, state] for all mosquitos
%%% 初始化杀戮日志和覆盖地图
KillLog = zeros(nIters,1);
coverage = zeros(L,L);

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]刘爱琴,贾一帆,冷长青.基于随机游走模型的高校图书馆知识发现系统构建[J].现代情报. 2020,40(05)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流人群疏散病毒扩散晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合