在原作者的基础上可以修改起点和终点了,参考链接蚁群算法路径规划MATLAB栅格图实现-CSDN博客
%蚁群算法:https://blog.csdn.net/weixin_44907423/article/details/107533880
clear all
clc
G=[ 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 1 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 1 0 0 0 1 0 1 1 0 1 0 0 1 0 1 0 0
1 0 0 1 0 0 1 0 1 0 0 0 1 0 1 0 0 1 0 0
0 0 0 1 0 0 0 1 0 0 0 1 0 0 1 1 0 0 0 0
0 1 0 1 1 1 0 0 1 1 0 0 0 1 0 0 1 0 0 0
0 1 0 1 0 0 0 0 0 1 1 1 1 0 0 0 0 0 1 0
0 0 0 0 1 0 1 0 0 0 1 0 0 0 0 1 1 1 0 0
0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0
0 0 1 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0
0 0 0 1 0 1 0 0 0 0 1 0 1 0 0 0 0 0 0 0
0 0 0 0 0 1 0 1 1 1 0 0 0 1 0 0 0 0 0 0
0 0 0 0 1 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0
0 0 0 1 0 0 1 0 0 0 0 1 0 0 0 1 1 0 0 0
0 0 0 0 0 1 0 0 0 0 1 0 0 1 0 0 0 1 1 0
1 1 1 1 1 0 0 1 1 1 0 0 1 0 1 0 0 0 0 1
0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 1 0 1 0 0
0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 1 0 0
0 0 0 0 0 1 0 1 1 0 0 0 0 0 0 0 0 0 0 0
];
%导入障碍地图栅格化后的矩阵,参考https://blog.csdn.net/qq_41938767/article/details/118759788
% G=load('barrier.mat', 'J');
% G = double(G.J);
MM = size(G,1);
figure(3)
axis([0,MM,0,MM])
for i=1:MM
for j=1:MM
if G(i,j)==1
x1=j-1;y1=MM-i;
x2=j;y2=MM-i;
x3=j;y3=MM-i+1;
x4=j-1;y4=MM-i+1;
fill([x1,x2,x3,x4],[y1,y2,y3,y4],[0.3,0.3,0.3]);
hold on
else
x1=j-1;y1=MM-i;
x2=j;y2=MM-i;
x3=j;y3=MM-i+1;
x4=j-1;y4=MM-i+1;
fill([x1,x2,x3,x4],[y1,y2,y3,y4],[1,1,1]);
hold on
end
end
end
%把栅格地图转为邻接矩阵
MM=size(G,1);%返回G的行数
D=zeros(MM*MM,MM*MM);%N表示问题的规模(象素个数)返回矩阵D行数
a=1;%小方格象素的边长
E = 396;%终点,序号法表示
Ex=a*(mod(E,MM)-0.5);%终止点横坐标 a乘以变量E对MM(行)取余(得到列)后减0.5 即所处列
if Ex==-0.5
Ex=MM-0.5;
end
Ey=a*(MM+0.5-ceil(E/MM));%E/MM结果取整 终止点纵坐标
Eta=zeros(1,E);%启发式信息,取为至目标点的直线距离的倒数 初始信息素矩阵
for i= 1:MM
for j=1:MM
if G(i,j)==0
for m=1:MM
for n=1:MM
if G(m,n)==0
im=abs(i-m);
jn=abs(j-n);
if(im+jn==1)||(im==1&&jn==1)
D((i-1)*MM+j,(m-1)*MM+n)=(im+jn)^0.5;
end
end
end
end
end
end
end
for i= 1:MM
for j=1:MM
if G(i,j)==1
for m=1:MM
for n=1:MM
if G(m,n)==1
im=abs(i-m);
jn=abs(j-n);
if(im==1&&jn==1)
if j>n
if i>m
D((i-2)*MM+j,(i-1)*MM+j-1)=0; %YY=(i-2)*MM+j;
end
if i<m
D(i*MM+j,(i-1)*MM+j-1)=0; %YY=i*MM+j;
end
%%XX=(i-1)*MM+j-1;
end
if j<n
%XX=(i-1)*MM+j+1;
if i>m
D((i-2)*MM+j,(i-1)*MM+j+1)=0; %YY=(i-2)*MM+j;
end
if i<m
D(i*MM+j,(i-1)*MM+j+1)=0; %YY=i*MM+j;
end
end
end
end
end
end
end
end
end
N=size(D,1);
%下面构造启发式信息矩阵
Eta=zeros(1,N);%启发式信息,取为至目标点的直线距离的倒数 初始信息素矩阵
for i=1:MM
for j=1:MM
Eta(1,(i-1)*MM+j)=((MM-i)^2+(MM-j)^2)^0.5;
end
end
Eta(1,MM*MM)=0.01;
K=110;%迭代次数,过小可能陷入局部最优
S=22;%起点,序号法表示
M=120;%蚂蚁数量,M过大导致每条路径被走过的可能都增大,导致信息素差不多,收敛速度慢;过小可能导致有很多路径没被发现,导致局部收敛
p = 2 ;
Alpha= 1.5 ; %% Alpha表征信息素重要程度的参数
Beta = 6 ; % % Beta表征启发式因子重要程度的参数
Rho = 0.2; % Rho信息素蒸发系数
sim= 0.3 ; %西格玛
Q = 1 ; % Q信息素增加强度系数
minkl = inf ;
minkm = inf ;
N=size(D,1);
PL_km = inf ;
minl = 0 ;
Tau=ones(N,N);%信息素
ROUTES=cell(K,M);%用细胞结构存储每一代的每一只蚂蚁的爬行路线 蚂蚁个数*迭代次数矩阵,每个元素是一个结构
PL=zeros(K,M);%用矩阵存储每一代的每一只蚂蚁的爬行路线长度
%% -----------启动K轮蚂蚁觅食活动,每轮派出M只蚂蚁--------------------
tic
for k=1:K
%disp(k);
for m=1:M
%% 第一步:状态初始化
W=S;%当前节点初始化为起始点
Path=S;%爬行路线初始化
pathlength=0;%爬行路线长度初始化
Tabu=ones(1,N); %生成禁忌列表,所有节点均未走过,所以都置为1
Tabu(S)=0;%已经在初始点了,因此要排除
DD=D;%邻接矩阵初始化
%% 第二步:下一步可以前往的节点
DW=DD(W,:);
LJD=find(DW>0);%可选节点集 即返回可以走的节点坐标<矩阵编号>
Len_LJD=length(LJD);%计数 可选节点的个数
%% 觅食停止条件:蚂蚁未遇到食物或者陷入死胡同
while Len_LJD>=1&&W~=E %W~=E&&
%% 第三步:转轮赌法选择下一步怎么走
node=zeros(1,Len_LJD); %遍历可选节点
for i=1:Len_LJD
node(i)=(Tau(W,LJD(i))^Alpha)*((1/Eta(1,LJD(i)))^Beta); %w行i个节点
end
node=node/(sum(node));%建立概率分布 把各个路径的概率统一到和为1;
Pcum=cumsum(node); %node累计值
Select=find(Pcum>=rand);%产生任意0~1之间的随机数,轮盘赌算法,尽量避免陷入局部最优解
to_visit=LJD(Select(1));%下一步将要前往的节点
%% 第四步:状态更新和记录
Path=[Path,to_visit];%路线节点增加
pathlength=pathlength+DD(W,to_visit);%路径长度增加,记录本次迭代最佳路线长度,每只蚂蚁都有自己走过的长度记录在向量中。
W=to_visit;%蚂蚁移到下一个节点
%N:所有点
for n=1:N
if Tabu(n)==0 %禁忌列表
DD(W,n)=0; %在此次循环中设置为不可达
DD(n,n)=0;
end
end
Tabu(W)=0;%已访问过的节点从禁忌表中删除
DW=DD(W,:);
LJD=find(DW>0);%可选节点集
Len_LJD=length(LJD);%可选节点的个数
end
%% 第五步:记下每一代每一只蚂蚁的觅食路线和路线长度
ROUTES{k,m}=Path; %第k次迭代 第m只蚂蚁的路线
if Path(end)==E
PL(k,m)=pathlength; %到达目标点的路线长度
else
PL(k,m)=inf; %进入死胡同
end
end
%% 第六步:更新信息素
Delta_Tau=zeros(N,N);%更新量初始化
for mm=1:M %M只蚂蚁
if PL(k,mm)<PL_km %顺利到达目标点的蚂蚁路线长度
ROUT=ROUTES{k,mm}; %具体路线
TS=length(ROUT)-1; %跳数 蚂蚁转移次数
PL_km=PL(k,mm);%路线长度
for s=1:TS
x=ROUT(s); %上一个节点
y=ROUT(s+1); %下一个节点
Delta_Tau(x,y)=Delta_Tau(x,y)+Q/PL_km; %(x,y)即两个节点之间的关系(信息素量) 系数除以路线长度
Delta_Tau(y,x)=Delta_Tau(y,x)+Q/PL_km;
end
end
end
Tau=(1-Rho).*Tau+Delta_Tau;%信息素挥发一部分,新增加一部分
end
toc
%% ---------------------------绘图--------------------------------
figure(4)
axis([0,K,0,20])
for i=1:K
ggb=PL(i,:);
mmmda(i)=sum(ggb)/50;
end
plot(mmmda)
plotif=1; %是否绘图的控制参数
if plotif==1
%绘收敛曲线
meanPL=zeros(1,K); %k:迭代次数
minPL=zeros(1,K);
for i=1:K
PLK=PL(i,:); %将第i次迭代爬行路线长度赋值给PLK
Nonzero=find(PLK<inf);%返回一系列可行路线的编号
if length(Nonzero)~=0
PLKPLK=PLK(Nonzero);%留下可行路线,重新排列
meanPL(i)=mean(PLKPLK); %求取这次可行路径的平均值
minPL(i)=min(PLKPLK);%提出最小路径
end
end
end
plotif3=1;%绘最短蚂蚁爬行图
if plotif3==1
figure(2)
axis([0,MM,0,MM])
for i=1:MM
for j=1:MM
if G(i,j)==1
x1=j-1;y1=MM-i;
x2=j;y2=MM-i;
x3=j;y3=MM-i+1;
x4=j-1;y4=MM-i+1;
fill([x1,x2,x3,x4],[y1,y2,y3,y4],[0.2,0.2,0.2]);
hold on
else
x1=j-1;y1=MM-i;
x2=j;y2=MM-i;
x3=j;y3=MM-i+1;
x4=j-1;y4=MM-i+1;
fill([x1,x2,x3,x4],[y1,y2,y3,y4],[1,1,1]);
hold on
end
end
end
minmumPLK=inf;
for k=1:K
PLK=PL(k,:); %将第k次迭代爬行路线长度赋值给PLK
minPLK=min(PLK);
if(minPLK<minmumPLK)
pos=find(PLK==minPLK); %找到与最短爬行路线长度相等的路径标号
minmumPLK=minPLK;
minm=pos(1);
mink=k ; %迭代k次
end
end
ROUT=ROUTES{mink,minm}; %找出最小路径路线
LENROUT=length(ROUT);
Rx=ROUT;
Ry=ROUT;
for ii=1:LENROUT
Rx(ii)=a*(mod(ROUT(ii),MM)-0.5);
if Rx(ii)==-0.5
Rx(ii)=MM-0.5;
end
Ry(ii)=a*(MM+0.5-ceil(ROUT(ii)/MM));
end
plot(Rx,Ry)
hold on
end
感觉这篇博客中写的也不错,供参考遗传算法之路径规划matlab代码(栅格地图)含详细注释_遗传算法路径规划matlab-CSDN博客