1 简介
采用栅格法表示机器人工作环境模型,用序号编码,直角坐标与序号混合应用,采用遗传算法产生初始路径种群,并对其优化找出最短路径,然后增加删除、插入算子达到路径规划中避障的要求.用MATLAB语言进行仿真研究,仿真结果表明遗传算法进行避障和路径规划的有效性和可行性.
2 部分代码
clc;clear; %初始化参数 %注:popsize=200,MaxGeneration=100,约跑2分钟。若不要求太精确,可减少循环次数。 pointnumber=11; %节点个数 Popsize=200; %种群规模,只能取偶数(因67行的循环) MaxGeneration=100; %最大代数 Pc=0.8;Pm=0.3; %交叉概率和变异概率 A=[0 2 8 1 50 50 50 50 50 50 50 2 0 6 50 1 50 50 50 50 50 50 8 6 0 7 50 1 50 50 50 50 50 1 50 7 0 50 50 9 50 50 50 50 50 1 50 50 0 3 50 2 50 50 50 50 50 1 50 3 0 4 50 6 50 50 50 50 50 9 50 4 0 50 50 1 50 50 50 50 50 2 50 50 0 7 50 9 50 50 50 50 50 6 50 7 0 1 2 50 50 50 50 50 50 1 50 1 0 4 50 50 50 50 50 50 50 9 2 4 0]; %带权邻接矩阵。 A(A==50)=500; %取值50过小而修正为500; %************ Step 4: 变异操作 ************** for i=1:Popsize tempPm=rand(1); if(tempPm<Pm) temPm6=fix((rand(1)+0.2)*10); temPm7=fix((rand(1)+0.2)*10); %产生两个用于交换的随机数 tempvessel=path(i,temPm6); %交换前用一临时容器存放数据 path(i,temPm6)=path(i,temPm7); path(i,temPm7)=tempvessel; %变异交换 end end path(Popsize,:)=BestS; end [aa bb]=find(BestS==b); %找出终点 Bestpath=BestS(1:bb); %剔除后面无用的点,留下实际路线 outdistance(a,b)=Bestindividual(k); %将最短距离写入矩阵 outpath{a,b}=Bestpath; %写入路径,因数据类型为矩阵,所以采用元胞数组储存 end end for i=1:pointnumber for j=1:i outdistance(i,j)=outdistance(j,i); %实现距离的对称 outpath{i,j}=fliplr(outpath{j,i}); %实现路径的对称与翻转 end end %*************** 结果输出 ***************** outdistance celldisp(outpath) xlswrite('tempdata.xls', outpath) %存入excel中进行操作
3 仿真结果
4 参考文献
[1]张颖, 吴成东, and 于谦. "基于遗传算法的机器人路径规划." 沈阳建筑工程学院学报(自然科学版) (2002).