基于电鳗觅食优化算法（Electric eel foraging optimization,EEFO）的无人机三维路径规划（提供MATLAB代码）

IT猿手

已于 2024-03-10 16:22:22 修改

阅读量1k

点赞数 23

分类专栏：无人机路径规划优化算法 MATLAB 文章标签：无人机 matlab 数学建模算法人工智能开发语言多目标优化算法

于 2024-03-10 16:21:37 首次发布

本文链接：https://blog.csdn.net/weixin_46204734/article/details/136604097

版权

MATLAB 同时被 3 个专栏收录

558 篇文章 133 订阅

订阅专栏

无人机路径规划

178 篇文章 60 订阅

订阅专栏

优化算法

164 篇文章 10 订阅

订阅专栏

本文介绍了无人机三维路径规划中的关键问题，探讨了电鳗觅食优化算法（EEFO）作为解决方案，该算法模仿电鳗觅食行为进行搜索。文章详细阐述了算法原理，展示了如何在MATLAB中实现，并给出了部分结果和代码。

摘要由CSDN通过智能技术生成

一、无人机路径规划模型介绍

无人机三维路径规划是指在三维空间中为无人机规划一条合理的飞行路径，使其能够安全、高效地完成任务。路径规划是无人机自主飞行的关键技术之一，它可以通过算法和模型来确定无人机的航迹，以避开障碍物、优化飞行时间和节省能量消耗。

二、算法介绍

电鳗觅食优化算法（Electric eel foraging optimization,EEFO）由Weiguo Zhao等人提出的一种元启发算法，EEFO从自然界中电鳗表现出的智能群体觅食行为中汲取灵感。该算法对四种关键的觅食行为进行数学建模：相互作用、休息、狩猎和迁徙，以在优化过程中提供探索和利用。此外，还开发了一个能量因子来管理从全球搜索到本地搜索的过渡以及搜索空间中探索和开发之间的平衡。

参考文献：

Weiguo Zhao, Liying Wang, Zhenxing Zhang, Honggang Fan, Jiajie Zhang, Seyedali Mirjalili, Nima Khodadadi, Qingjiao Cao,Electric eel foraging optimization: A new bio-inspired optimizer for engineering applications,Expert Systems with Applications,Volume 238, Part F,2024,122200,https://doi.org/10.1016/j.eswa.2023.122200.

close all
clear
clc
dbstop if all error
warning ('off')
global model
model = CreateModel(); % 创建模型
F='F1';
[Xmin,Xmax,dim,fobj] = fun_info(F);%获取函数信息
pop=100;%种群大小(可以自己修改)
maxgen=100;%最大迭代次数(可以自己修改)
[fMin5,bestX5,ConvergenceCurve5] = EEFO(pop, maxgen,Xmin,Xmax,dim,fobj);
cost=MyCost(bestX5,2);%'路径成本','威胁成本','高度成本','转角成本'
%% 计算航迹坐标
BestPosition5 = SphericalToCart(bestX5);
%% 保存各算法的目标函数值及收敛曲线
save fMin5 fMin5
save ConvergenceCurve5 ConvergenceCurve5
save cost cost
%% 保存航迹坐标
save BestPosition5 BestPosition5