灭火机器人路径规划matlab_机器人路径规划MATLAB源码

机器人路径规划MATLAB源码

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% GreenSim 团队原创作品，转载请注明% GreenSim 团队长期从事算法设计、代写程序等业务% 欢迎访问 GreenSim——算法仿真团队→ 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 Fig1figure(1);PlotGraph;title( 地形图及网络拓扑结构 )PD=inf*ones(26,26);for i=1:26for j=1:26if D(i,j)==1x1=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;endendend%% 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 onfor 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 onendtitle( 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:Nfarm{i}=rand(1,aaa);end% 以下是进化迭代过程counter=0;%设置迭代计数器while counterrandAA(POS)=rand;farm{i}=AA;endend counter=counter+1;disp(counter);end%% 输出遗传算法的优化结果PPP=[0.5,Xp,0.5] ;PPPP=1-PPP;X=PPP.*X1+PPPP.*X2;Y=PPP.*Y1+PPPP.*Y2;XY2=[X,Y];L2=Yp;%% 绘制 Fig3figure(8)PlotGraph;hold onhold onfor 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 , LineWidth ,1);hold onendfor i=1:(length(R)-1)x1=XY2(i,1);y1=XY2(i,2);x2=XY2(i+1,1);y2=XY2(i+1,2);plot([x1,x2],[y1,y2], k );hold onendtitle( 遗传算法最终结果 )figure(9)PlotGraph;hold onfor 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 , LineWidth ,1);hold onendhold onfor i=1:(length(R)-1)x1=XY2(i,1);y1=XY2(i,2);x2=XY2(i+1,1);y2=XY2(i+1,2);plot([x1,x2],[y1,y2], k , LineWidth ,2);hold onendtitle( 遗传算法优化前后结果比较 )%% 绘制 Fig4figure(10);plot(LC1);hold onplot(LC2);xlabel( 迭代次数 );title( 收敛曲线 );