蚁群算法路径规划

1.背景
蚁群算法是一种常用的路径寻优算法，它是由Marco Dorigo根据蚂蚁觅食的得来的灵感，与1992年在博士论文中提出。蚂蚁在觅食过程中通常会释放一种信息素来传递信息，信息素浓度越高，蚂蚁的感知能力越强，通过内部的反馈机制它们很快就能找到一条最短路径。
2.概率公式

3.信息素浓度

4.代码的实现

G=[0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0; 
   0 1 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0; 
   0 1 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0; 
   0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0; 
   0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0; 
   0 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0; 
   0 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0;
   0 1 1 1 0 0 1 1 1 0 1 1 1 1 0 0 0 0 0 0; 
   0 1 1 1 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0; 
   0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0; 
   0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 0 0 0 0 0; 
   0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 0 0 0 0 0; 
   0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 1 1 1 1 0; 
   0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 1 1 1 1 0; 
   1 1 1 1 0 0 0 0 0 0 0 1 1 1 0 1 1 1 1 0; 
   1 1 1 1 0 0 1 1 1 1 1 1 0 0 0 0 0 0 0 0; 
   0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 1 1 0; 
   0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 1 1 0; 
   0 0 0 0 0 0 0 0 0 0 1 1 0 0 1 0 0 0 0 0; 
   0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0;];
MM=size(G,1);                  	   % G 地形图为01矩阵，如果为1表示障碍物 
Tau=ones(MM*MM,MM*MM);        % Tau 初始信息素矩阵
Tau=8.*Tau; 
K=100;                       	   %迭代次数（指蚂蚁出动多少波）
M=50;                        	   %蚂蚁个数
S=1 ;                         	   %最短路径的起始点
E=MM*MM;                        %最短路径的目的点
Alpha=1;                      	   % Alpha 表征信息素重要程度的参数
Beta=7;                       	   % Beta 表征启发式因子重要程度的参数
Rho=0.3 ;                      	   % Rho 信息素蒸发系数
Q=1;                               % Q 信息素增加强度系数 
minkl=inf;                           %minkl表示当前最短路径长度
mink=0;                             %当前完成最短路径为第几次迭代
minl=0;                            %当前完成最短路径为第只蚂蚁
D=G2D(G)                        %每个栅格至各自邻域无障碍栅格的代价值
N=size(D,1);                        %N表示问题的规模（象素个数）
 a=1;                              %小方格象素的边长
 Ex=a*(mod(E,MM)-0.5);             %目的点横坐标
 if Ex==-0.5 
Ex=MM-0.5; 
end 
Ey=a*(MM+0.5-ceil(E/MM)); %目的点纵坐标
 Eta=zeros(N);             %启发式信息矩阵，记录启发式信息
 %以下开始建立启发式信息矩阵
 for i=1:N                  %每个栅格的索引号，一共N个栅格
 ix=a*(mod(i,MM)-0.5);       %矩阵中各点的横坐标
   if ix==-0.5 
   ix=MM-0.5; 
   end 
iy=a*(MM+0.5-ceil(i/MM));    %矩阵中各点的纵坐标
   if i~=E 
   Eta(i)=1/((ix-Ex)^2+(iy-Ey)^2)^0.5; %启发信息取为至目标点的直线距离的倒数
   else 
   Eta(i)=100; 
   end 
end 
ROUTES=cell(K,M);     %用细胞结构存储第K次迭代中的第M只蚂蚁的爬行路线
PL=zeros(K,M);         %用矩阵存储第K次迭代中的第M只蚂蚁爬行路线的长度
 %开始K次迭代，每轮派出M只蚂蚁，开始寻找路径
tic;
for k=1:K               %第K次迭代
for m=1:M               %第M只蚂蚁
%状态初始化
W=S;                  %将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=ones(N);       %禁忌表初始化为1，禁忌表记录走过的位置，将走过的位置由1变0
TABUkm(S)=0;          %将禁忌表起点位置置为0
DD=D;                 %邻栅格点初始化
%下一步可以前往的栅格点
DW=DD(W,:);  %取G2D矩阵中以当前点为局部起始点的一行
DW1=find(DW); %DW1矩阵存储该行中所有无障碍相邻栅格点（元素不为0）的索引位置
for j=1:length(DW1) 
   if TABUkm(DW1(j))==0 %判断TABUkm禁忌表中，该位置是否为之前走过的点
      DW(DW1(j))=0;  %删除DW中所有之前已经走过的相邻栅格点
  end 
end %现在DW中为当前栅格点可以选择的所有相邻栅格点了
% 计算各可选择邻节点的选择概率
LJD=find(DW); %LJD记录未走过的点的索引号，即下一步可选的点
Len_LJD=length(LJD);%可选点的个数
%蚂蚁未遇到食物或者陷入死胡同或者觅食停止
while W~=E&&Len_LJD>=1 %起始点不等于终止点，且可选节点个数大于等于1
%转轮赌法选择下一步怎么走
PP=zeros(Len_LJD); 
for i=1:Len_LJD 
    PP(i)=(Tau(W,LJD(i))^Alpha)*((Eta(LJD(i)))^Beta); 
end 
sumpp=sum(PP); 
PP=PP/sumpp;%蚂蚁从当前栅格点转移到各相邻栅格点的概率
Pcum(1)=PP(1); 
%轮盘赌选择下一栅格点
  for i=2:Len_LJD 
  Pcum(i)=Pcum(i-1)+PP(i); 
  end 
Select=find(Pcum>=rand); 
%选择积累概率比随机数大的第一个可选择点作为行走的下一步，并取该点的索引号
to_visit=LJD(Select(1)); 
%状态更新和记录
Path=[Path,to_visit];       		 %路径增加
PLkm=PLkm+DD(W,to_visit);    %路径长度增加
W=to_visit;                   %蚂蚁移到下一个点
%对应禁忌表更新D中可选择的相邻栅格点
   for kk=1:N 
      if TABUkm(kk)==0 
      DD(W,kk)=0; 
      DD(kk,W)=0; 
      end 
   end 
TABUkm(W)=0;				%更新禁忌表
 DW=DD(W,:); 
DW1=find(DW); 
  for j=1:length(DW1) 
    if TABUkm(DW1(j))==0 
       DW(j)=0; 
    end 
  end 
LJD=find(DW); 
Len_LJD=length(LJD);%可选节点的个数
 end %本次迭代的当前蚂蚁寻路完毕
%记下每一代每一只蚂蚁的觅食路线和路线长度
 ROUTES{k,m}=Path; %记录本次迭代中的当前蚂蚁的行走路线
   if Path(end)==E %判断本只蚂蚁寻找路径的最后一个节点是否为终点
      PL(k,m)=PLkm; %若该蚂蚁到达终点，将本次路线长度放到PL的第k行m列
      if PLkm<minkl %若本次路径长度<当前已知的最短路径长度
          mink=k; %记录完成本次最短路径的迭代次数
minl=m; %记录完成本次最短路程的哪只蚂蚁
minkl=PLkm; %记录本次最短路线的长度
      end 
   else 
      PL(k,m)=0; %若该蚂蚁没有到达终点长，则本次路径长度为0
   end 
end %返回进行下一只蚂蚁的寻路
%更新信息素
Delta_Tau=zeros(N,N);%初始化信息素增量
   for m=1:M 
     if PL(k,m)  
        ROUT=ROUTES{k,m}; %ROUT取本次迭代的所有蚂蚁的行走路线
        TS=length(ROUT)-1;
         PL_km=PL(k,m); %PL_km取本次迭代当前蚂蚁的路径长度
        for s=1:TS 
          x=ROUT(s); 
          y=ROUT(s+1); 
          Delta_Tau(x,y)=Delta_Tau(x,y)+Q/PL_km; 
          Delta_Tau(y,x)=Delta_Tau(y,x)+Q/PL_km; 
        end 
     end 
  end 
Tau=(1-Rho).*Tau+Delta_Tau;%信息素挥发一部分，新增加一部分
 end 
%绘图
plotif=1;%是否绘图的控制参数
 if plotif==1 %绘收敛曲线
    minPL=zeros(K); 
   for i=1:K %选出每次迭代的最短路径
     PLK=PL(i,:); %取第i次迭代的所有路径长度
     Nonzero=find(PLK); %提取本次迭代路径长度不为0的索引号存储至Nonzero
     PLKPLK=PLK(Nonzero); 
     minPL(i)=min(PLKPLK); %选出本次迭代最短路径存储至minPL的相应迭代位置
   end 
%绘制“收敛曲线变化趋势”图，将每次迭代的最短路径放在图中表示
figure(1) 
plot(minPL); 
hold on 
grid on 
title('收敛曲线变化趋势'); 
xlabel('迭代次数'); 
ylabel('最小路径长度'); 
%绘爬行图
figure(2) 
axis([0,MM,0,MM]) %设置图的横纵坐标，MM为地图矩阵的行数或列数
for i=1:MM 
for j=1:MM 
if G(i,j)==1 %1是黑色代表障碍，0为白色无障碍
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]); %将1234点所围成的图形进行黑色填充
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]); %将1234点所围成的图形进行白色填充
hold on 
set(gca,'YTickLabel',[20 18 16 14 12 10 8 6 4 2 0]); %使得地图的矩阵的行列与正常坐标轴的行列一致
end 
end 
end 
hold on 
title('机器人路径轨迹'); 
xlabel('坐标x'); 
ylabel('坐标y');
ROUT=ROUTES{mink,minl}; 
%ROUT取最短行走路线，mink为该路线的迭代号,minl为该路线的蚂蚁号
LENROUT=length(ROUT); 
%Rx与Ry中分别存储具体的该路线
Rx=ROUT; 
Ry=ROUT; 
%将该路线的栅格索引号转换为横纵坐标
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) %绘各代蚂蚁爬行图
end 

5.仿真结果


完整代码（两张地图）