【路径规划】人工鱼群算法（Matlab实现）

荔枝科研社

于 2024-04-25 09:38:59 发布

阅读量340

点赞数 4

文章标签：算法 matlab 开发语言

本文链接：https://blog.csdn.net/weixin_46039719/article/details/138177309

版权

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

人工鱼群算法（Artificial Fish Swarm Algorithm，AFSA）是一种基于模拟鱼群行为的群体智能优化算法，用于解决各种优化问题。 AFSA模拟了鱼群中鱼群个体之间的集体行为，通过模拟觅食、聚集、迁移等行为来搜索最优解。算法中的“人工鱼”代表潜在解决方案，它们通过调整自身状态来寻找最优解。人工鱼之间相互交流信息，并根据信息更新自身状态，以达到全局搜索最优解的目的。初始化一群人工鱼的位置和状态，并评估其适应度（目标函数值）。在每次迭代中，人工鱼根据当前状态和邻居信息更新自身状态，包括位置、速度等。通过模拟觅食、聚集、迁移等行为，人工鱼在搜索空间中不断调整位置，以寻找最优解。当达到停止条件时，算法结束，并返回找到的最优解或近似最优解。

📚2 运行结果

主函数部分代码：

clc
clear
close all

%% 三维路径规划模型定义
startPos = [1, 1, 1];
goalPos = [100, 100, 80];

% 随机定义山峰地图
mapRange = [100,100,100];              % 地图长、宽、高范围
[X,Y,Z] = defMap(mapRange);

%% 初始参数设置
N = 50;                % 鱼群数量
visual = 50;           % 人工鱼的感知距离
step = 3;              % 人工鱼的移动最大步长
delta = 10;            % 拥挤度因子
try_number = 50;       % 单只鱼的最大迭代次数
iterMax = 100;         % 迭代次数
pointNum = 3;          % 解的维度 

% 位置界限
posBound = [[0,0,0]',mapRange'];

%% 种群初始化
% 初始化一个空的鱼群结构体
fishes = struct;
fishes.pos= [];
fishes.fitness = [];
fishes.path = [];
fishes = repmat(fishes,N,1);

% 初始化最优人工鱼
GlobalBest.fitness = inf;

% 鱼群随机分布位置
for i = 1:N
    % 鱼群按照正态分布随机生成
    fishes(i).pos.x = unifrnd(posBound(1,1),posBound(1,2),1,pointNum);
    fishes(i).pos.y = unifrnd(posBound(2,1),posBound(2,2),1,pointNum);
    fishes(i).pos.z = unifrnd(posBound(3,1),posBound(3,2),1,pointNum);
    
    % 适应度
    [fitness,path] = calFitness(startPos, goalPos, fishes(i).pos);
    
    % 碰撞检测判断
    flag = judgeObs(path,X,Y,Z);
    if flag == 1
        % 若flag=1，表明此路径将与障碍物相交，则增大适应度值
        fishes(i).fitness = 1000*fitness;
        fishes(i).path = path;
    else