【路径规划】基于BBO算法的无人机三维路径规划matlab源码

摘要：Alfred Wallace和Charles Darwin在19世纪提出了生物地理学理论，研究生物物种栖息地的分布、迁移和灭绝规律。Simon受到生物地理学理论的启发，在对生物物种迁移数学模型的研究基础上，于 2008年提出了一种新的智能优化算法 — 生物地理学优化算法(Biogeography-Based Optimization，BBO)。BBO算法是一种基于生物地理学理论的新型算法，具有良好的收敛性和稳定性，受到越来越多学者的关注。

1.算法原理

BO算法的基本思想来源于生物地理学理论。如图1所示，生物物种生活在多个栖息地(Habitat)上，每个栖息地用栖息适宜指数(Habitat Suitability Index，HSI)表示，与HSI相关的因素有降雨量、植被多样性、地貌特征、土地面积、温度和湿度等，将其称为适宜指数变量(Suitability Index Variables，SIV)。

图1.BBO算法中的多个栖息地

HSI是影响栖息地上物种分布和迁移的重要因素之一。较高 HSI的栖息地物种种类多；反之，较低 HSI的栖息地物种种类少。可见，栖息地的HSI与生物多样性成正比。高 HSI的栖息地由于生存空间趋于饱和等\ 问题会有大量物种迁出到相邻栖息地，并伴有少量物种迁入；而低 HSI的栖息地其物种数量较少，会有较多物种的迁入和较少物种的迁出。但是，当某一栖息地HSI一直保持较低水平时，则该栖息地上的物种会趋于灭绝，或寻找另外的栖息地，也就是突变。迁移和突变是BBO算法的两个重要操作。栖息地之间通过迁移和突变操作，增强物种间信息的交换与共享，提高物种的多样性。

BBO算法具有一般进化算法简单有效的特性，与其他进化算法具有类似特点。\ (1)栖息适宜指数HSI表示优化问题的适应度函数值，类似于遗传算法中的适应度函数。HSI是评价解集好坏的标准。\ (2)栖息地表示候选解，适宜指数变量 SIV 表示解的特征，类似于遗传算法中的“基因”。

(3)栖息地的迁入和迁出机制提供了解集中信息交换机制。高 HSI的解以一定的迁出率将信息共享给低HSI的解。\ (4)栖息地会根据物种数量进行突变操作，提高种群多样性，使得算法具有较强的自适应能力。

BBO算法的具体流程为：\ 步骤1 初始化BBO算法参数，包括栖息地数量N NN、迁入率最大值I II和迁出率最大值E EE、最大突变率 m m a x m_{max}mmax​ 等参数。\ 步骤2 初始化栖息地，对每个栖息地及物种进行随机或者启发式初始化。\ 步骤3 计算每个栖息地的适宜指数HSI；判断是否满足停止准则，如果满足就停止，输出最优解；否则转步骤4。\ 步骤4 执行迁移操作，对每个栖息地计算其迁入率和迁出率，对SIV进行修改，重新计算适宜指数HSI。\ 步骤5 执行突变操作，根据突变算子更新栖息地物种，重新计算适宜指数HSI。\ 步骤6 转到步骤3进行下一次迭代。

1.1 迁移操作

如图2所示，该模型为单个栖息地的物种迁移模型。\

图2.BBO算法的迁移模型

横坐标为栖息地种群数量 S ，纵坐标为迁移比率 η，λ(s) 和 μ(s) 分别为种群数量的迁入率和迁出率。当种群数量为 0 时，种群的迁出率 μ(s) 为 0，种群的迁入率λ(s) 最大；当种群数量达到 S max 时，种群的迁入率 λ(s)为0，种群迁出率 u(s) 达到最大。当种群数量为 S 0 时，迁出率和迁入率相等，此时达到动态平衡状态。根据图2，得出迁入率和迁出率为：\ { λ ( s ) = I ( 1 − S / S m a x ) u ( s ) = E S / S m a x (1)

{λ(s)=I(1−S/Smax)u(s)=ES/Smax{λ(s)=I(1−S/Smax)u(s)=ES/Smax

\tag{1}{λ(s)=I(1−S/Smax​)u(s)=ES/Smax​​(1)\ 迁移操作的步骤可以描述为：\ Step1：for i= 1 to N do\ Step2： 用迁入率λ i λ_iλi​ 选取x j x^jxj

Step3： if (0，1)之间的均匀随机数小于λ i λ_iλi​ then\ Step4： for j= 1 to N do\ Step5： 用迁出率 u i uiui​ 选取x j xjxj​\ Step6： if (0，1)之间的均匀随机数小于 u i u_iui​ then\ Step7： 从 x j x^jxj中随机选取一个变量SIV\ Step8： 用SIV替换x i x^ixi中的一个随机SIV\ Step9： end if\ Step10： end for\ Step11： end if\ Step12：end for

1.2 突变(Mutation)操作

突变操作是模拟栖息地生态环境的突变，改变栖息地物种的数量，为栖息地提供物种的多样性，为算法提供更多的搜索目标。栖息地的突变概率与其物种数量概率成反比。即\ m s = m m a x ( 1 − P s / P m a x ) (2) ms = m_{max}(1-Ps/P_{max})\tag{2}ms​=mmax​(1−Ps​/Pmax​)(2)\ 其中： m m a x m_{max}mmax​ 为最大突变率； P s PsPs​ 为栖息地中物种数量为 s ss对应的概率； P m a x P_{max}Pmax​ 为 P s PsPs​ 的最大值； m s m_sms​ 是栖息地中物种数量为 s ss对应的突变概率。

突变操作的步骤可以描述为：\ Step1：for i= 1 to N do\ Step2： 计算突变概率 P s PsPs​\ Step3： 用突变概率 P s PsPs​ 选取一个变量 x i xixi​\ Step4： if (0，1)之间的均匀随机数小于 m s msms​ then\ Step5： 随机一个变量代替 x i x^ixi 中的SIV\ Step6： end if\ Step7：end for

2 代码

``` close all; clear all; clc; addpath(genpath('./'));

%% Plan path disp('Planning ...'); map = load_map('maps/map4.txt', 0.1, 0.5, 0.25); start = { [1 -4 1]}; stop = {[0.1 17 3]};

%start = {[0 1 5]}; %stop = {[19 1 5]}; nquad = length(start); for qn = 1:nquad v = cputime; path{qn} = bbo(map, start{qn}, stop{qn}); c = cputime - v; fprintf('Algo Execution time = %d \n',c); end if nquad == 1 plotpath(map, path{1}); else % you could modify your plotpath to handle cell input for multiple robots end

%% Additional init script init_script;

%% Run trajectory trajectory = test_trajectory(start, stop, map, path, true); % with visualization ```

``` function [xtraj, ttraj, terminatecond] = testtrajectory(start, stop, map, path, vis) % TESTTRAJECTORY simulates the robot from START to STOP following a PATH % that's been planned for MAP. % start - a 3d vector or a cell contains multiple 3d vectors % stop - a 3d vector or a cell contains multiple 3d vectors % map - map generated by your loadmap % path - n x 3 matrix path planned by your dijkstra algorithm % vis - true for displaying visualization

%Controller and trajectory generator handles controlhandle = @controller; trajhandle = @trajectory_generator;

% Make cell if ~iscell(start), start = {start}; end if ~iscell(stop), stop = {stop}; end if ~iscell(path), path = {path} ;end

% Get nquad nquad = length(start);

% Make column vector for qn = 1:nquad start{qn} = start{qn}(:); stop{qn} = stop{qn}(:); end

% Quadrotor model params = nanoplus();

%% ******** FIGURES ********* % Environment figure if nargin < 5 vis = true; end

fprintf('Initializing figures...\n') if vis hfig = figure('Name', 'Environment'); else hfig = figure('Name', 'Environment', 'Visible', 'Off'); end if nquad == 1 plotpath(map, path{1}); else % you could modify your plotpath to handle cell input for multiple robots end h_3d = gca; drawnow; xlabel('x [m]'); ylabel('y [m]'); zlabel('z [m]') quadcolors = lines(nquad); set(gcf,'Renderer','OpenGL')

%% Trying Animation of Blocks NoofBlocks = size(map(:,1),1); x0 = map(1,4); x1 = map(2,4); y0 = map(1,5); y1 = map(2,5); z0 = map(1,6); z1 = map(2,6);

for i=1:2:NoofBlocks

    xb_0 = map(i,1);
    xb_1 = map(i+1,1);
    yb_0 = map(i,2);
    yb_1 = map(i+1,2);
    zb_0 = map(i,3);
    zb_1 = map(i+1,3);

    B_1 = [xb_0 yb_0 zb_0]';
    B_2 = [xb_1 yb_0 zb_0]';
    B_3 = [xb_0 yb_0 zb_1]';
    B_4 = [xb_1 yb_0 zb_1]';
    B_5 = [xb_0 yb_1 zb_0]';
    B_6 = [xb_1 yb_1 zb_0]';
    B_7 = [xb_0 yb_1 zb_1]';
    B_8 = [xb_1 yb_1 zb_1]';


%     BlockCoordinatesMatrix(j:j+7,:) = [B_1';B_2';B_3';B_4';B_5';B_6';B_7';B_8'];

% BlockCoordinatesMatrix(j:j+1,:) = [B1';B8']; % BlockCoordinates(i,:) = {B1 B2 B3 B4 B5 B6 B7 B8}; % j = j+2;

S_1 = [B_1 B_2 B_4 B_3];
    S_2 = [B_5 B_6 B_8 B_7];
    S_3 = [B_3 B_4 B_8 B_7];
    S_4 = [B_1 B_2 B_6 B_5];
    S_5 = [B_1 B_3 B_7 B_5];
    S_6 = [B_2 B_4 B_8 B_6];

    fill3([S_1(1,:)' S_2(1,:)' S_3(1,:)' S_4(1,:)' S_5(1,:)' S_6(1,:)'],[S_1(2,:)' S_2(2,:)' S_3(2,:)' S_4(2,:)' S_5(2,:)' S_6(2,:)'],[S_1(3,:)' S_2(3,:)' S_3(3,:)' S_4(3,:)' S_5(3,:)' S_6(3,:)'],[1 0 0]);%[cell2mat(Block(i,8))/255 cell2mat(Block(i,9))/255 cell2mat(Block(i,10))/255]);
    xlabel('x'); ylabel('y'); zlabel('z'); 
    axis([min(x_0,x_1) (max(x_0,x_1)) min(y_0,y_1) (max(y_0,y_1)) min(z_0,z_1) (max(z_0,z_1))])
    grid
    hold on
end

%% ****** INITIAL CONDITIONS ****** fprintf('Setting initial conditions...\n') % Maximum time that the quadrotor is allowed to fly timetol = 50; % maximum simulation time starttime = 0; % start of simulation in seconds tstep = 0.01; % this determines the time step at which the solution is given cstep = 0.05; % image capture time interval nstep = cstep/tstep; time = starttime; % current time maxiter = timetol / cstep; % max iteration for qn = 1:nquad % Get start and stop position x0{qn} = initstate(start{qn}, 0); xtraj{qn} = zeros(maxiter*nstep, length(x0{qn})); ttraj{qn} = zeros(maxiter*nstep, 1); end

% Maximum position error of the quadrotor at goal postol = 0.05; % m % Maximum speed of the quadrotor at goal veltol = 0.05; % m/s

x = x0; % state

%% ******* RUN SIMULATION ******* fprintf('Simulation Running....\n') for iter = 1:maxiter timeint = time:tstep:time+cstep; tic; % Iterate over each quad for qn = 1:nquad % Initialize quad plot if iter == 1 QP{qn} = QuadPlot(qn, x0{qn}, 0.1, 0.04, quadcolors(qn,:), maxiter, h3d); desiredstate = trajhandle(time, qn); QP{qn}.UpdateQuadPlot(x{qn}, [desiredstate.pos; desiredstate.vel], time); h_title = title(sprintf('iteration: %d, time: %4.2f', iter, time)); end

% Run simulation
    [tsave, xsave] = ode45(@(t,s) quadEOM(t, s, qn, controlhandle, trajhandle, params), timeint, x{qn});
    x{qn} = xsave(end, :)';
    % Save to traj
    xtraj{qn}((iter-1)*nstep+1:iter*nstep,:) = xsave(1:end-1,:);
    ttraj{qn}((iter-1)*nstep+1:iter*nstep)   = tsave(1:end-1);

    % Update quad plot
    desired_state = trajhandle(time + cstep, qn);
    QP{qn}.UpdateQuadPlot(x{qn}, [desired_state.pos; desired_state.vel], time + cstep);
end

set(h_title, 'String', sprintf('iteration: %d, time: %4.2f', iter, time + cstep))
time = time + cstep; % Update simulation time
t = toc;

% Pause to make real-time
if (t < cstep)
    pause(cstep - t);
end

% Check termination criteria
terminate_cond = terminate_check(x, time, stop, pos_tol, vel_tol, time_tol);
if terminate_cond
    break
end

end

fprintf('Simulation Finished....\n')

%% ******* POST PROCESSING ******* % Truncate xtraj and ttraj for qn = 1:nquad xtraj{qn} = xtraj{qn}(1:iternstep,:); ttraj{qn} = ttraj{qn}(1:iternstep); end

% Plot the saved position and velocity of each robot if vis for qn = 1:nquad % Truncate saved variables QP{qn}.TruncateHist(); % Plot position for each quad hpos{qn} = figure('Name', ['Quad ' num2str(qn) ' : position']); plotstate(hpos{qn}, QP{qn}.statehist(1:3,:), QP{qn}.timehist, 'pos', 'vic'); plotstate(hpos{qn}, QP{qn}.statedeshist(1:3,:), QP{qn}.timehist, 'pos', 'des'); % Plot velocity for each quad hvel{qn} = figure('Name', ['Quad ' num2str(qn) ' : velocity']); plotstate(hvel{qn}, QP{qn}.statehist(4:6,:), QP{qn}.timehist, 'vel', 'vic'); plotstate(hvel{qn}, QP{qn}.statedeshist(4:6,:), QP{qn}.timehist, 'vel', 'des'); end end

end ```

​

#