路径规划 | 基于蜣螂优化算法的栅格地图机器人路径规划(Matlab)

目录

  • 效果一览
  • 基本介绍
  • 程序设计
  • 参考文献

效果一览

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

基本介绍

路径规划 | 基于蜣螂优化算法的栅格地图机器人路径规划(Matlab)
1.利用蜣螂算法DBO优化栅格地图机器人路径规划,效果如图所示,包括迭代曲线图、栅格地图等等~
2.注释清晰,适合新手小白[火]
3.附赠示例地形数据,直接运行runme即可一键出图.

程序设计

  • 完整源码和数据私信博主回复基于蜣螂优化算法的栅格地图机器人路径规划(Matlab)
clc
clear
close all%% 输入数据
G=[ 0 0 1 1 1 0 0 0 0 11 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 00 1 1 0 1 0 0 0 0 00 1 1 0 1 0 0 0 1 00 0 0 0 0 0 1 0 0 00 0 0 1 0 0 0 0 0 10 0 0 0 0 0 1 1 0 00 1 0 0 0 0 1 0 0 00 1 0 0 1 0 0 0 0 0];
% G=[ 0 1 1 1 0 
%     1 0 0 0 0 
%     0 0 0 0 1 
%     0 0 0 0 1 
%     0 1 1 0 1];G = zeros(10,10);
d = randperm(95,21)+1;
d=sort(d);
G(d) = 1;%% 栅格绘制
drawShanGe(G,0)
title('栅格地图')
%%
S = [1 1];    % 起点
E = [10 10];  % 终点
G0 = G;
G = G0(S(1):E(1),S(2):E(2)); % 该方式是为了方便更改起点与终点
[Xmax,dim] = size(G);        % 栅格地图列数为粒子维数,行数为粒子的变化范围
dim = dim - 2;               % 减2是去掉起点与终点%% 参数设置
maxgen = 50;    % 最大迭代次数
NP = 30;         % 种群数量%%%%%%%%%%%%%%%%%%%%%%%%%%%rPercent = 0.2;    %%%%%%%%%%%%%%%%%%%%%%%%%%%
pNum = round( NP * rPercent );    % %发现者Xmin = 1;   % 变量下界%% 初始化
X = zeros(NP,dim);
for i = 1:NPfor j = 1:dimcol = G(:,j+1);      % 地图的一列id = find(col == 0); % 该列自由栅格的位置X(i,j) =  id(randi(length(id))); % 随机选择一个自由栅格id = [];end fit( i ) = fitness(X( i, : ),G);
end
fpbest = fit;   % 个体最优适应度
pX = X;      % 个体最优位置XX=pX;
[fgbest, bestIndex] = min( fit );        % 全局最优适应度
bestX = X(bestIndex, : );    % 全局最优位置
[fmax,B]=max(fit);
worse= X(B,:);  
%%
for gen = 1 : maxgengen[ ans, sortIndex ] = sort( fit );% Sort.[fmax,B]=max( fit );worse= X(B,:);  [~, Idx] = sort( fpbest );r2=rand(1);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for i = 1 : pNumif(r2<0.9)r1=rand(1);a=rand(1,1);if (a>0.1)a=1;elsea=-1;endX( i , : ) =  pX(  i , :)+0.3*abs(pX(i , : )-worse)+a*0.1*(XX( i , :)); % Equation (1)elseaaa= randperm(180,1);if ( aaa==0 ||aaa==90 ||aaa==180 )X(  i , : ) = pX(  i , :);   endtheta= aaa*pi/180;   X(  i , : ) = pX(  i , :)+tan(theta).*abs(pX(i , : )-XX( i , :));    % Equation (2)      endX( i , :) = Bounds(X(i , : ), Xmin, Xmax );fit(  i  ) = fitness( X(  i , : ),G );end [ fMMin, bestII ] = min( fit );      bestXX = X( bestII, : );  
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%R=1-gen/maxgen;                           %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%Xnew1 = bestXX.*(1-R); Xnew2 =bestXX.*(1+R);                    %%% Equation (3)Xnew1= Bounds(Xnew1, Xmin, Xmax );Xnew2 = Bounds(Xnew2, Xmin, Xmax );%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%Xnew11 = bestX.*(1-R); Xnew22 =bestX.*(1+R);                     %%% Equation (5)Xnew11= Bounds(Xnew11, Xmin, Xmax );Xnew22 = Bounds(Xnew22, Xmin, Xmax );for i = ( pNum + 1 ) :12                  % Equation (4)X( i, : )=bestXX+((rand(1,dim)).*(pX( i , : )-Xnew1)+(rand(1,dim)).*(pX( i , : )-Xnew2));X( i , :) = Bounds(X(i , : ),  min(Xnew1), max(Xnew2) );fit(  i  ) = fitness( X(  i , : ),G );endfor i = 13: 19                  % Equation (6)X( i, : )=pX( i , : )+((randn(1)).*(pX( i , : )-Xnew11)+((rand(1,dim)).*(pX( i , : )-Xnew22)));X( i , :) = Bounds(X(i , : ), Xmin, Xmax );fit(  i  ) = fitness( X(  i , : ),G );endfor j = 20 : NP                 % Equation (7)X( j,: )=bestX+randn(1,dim).*((abs(( pX(j,:  )-bestXX)))+(abs(( pX(j,:  )-bestX))))./2;X( j , :) = Bounds(X(j , : ), Xmin, Xmax );fit(  j  ) = fitness( X(  j , : ),G );end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% XX=pX;%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 更新个体最优值和全局最优值for i = 1 : NPif (fit(i) < fpbest(i))fpbest(i) = fit(i);pX(i, :) = X(i, :);endif(fpbest(i) < fgbest)fgbest = fpbest(i);bestX = pX(i, :);endendbestX = LocalSearch(bestX,Xmax,G);fgbest = fitness(bestX,G);FG(gen,1)=fgbest;
end

参考文献

[1] 基于人工势场结合快速搜索树APF+RRT实现机器人避障规划附matlab代码
[2] 基于蚁群算法求解栅格地图路径规划问题matlab源码含GUI

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/38040.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

ubuntu修改磁盘挂载目录名

参考博客&#xff1a;https://blog.csdn.net/baocheng1899/article/details/101536489 查看目录挂载情况&#xff1a; df -h输出&#xff1a; Filesystem Size Used Avail Use% Mounted on /dev/sdc1 43T 1.5T 40T 4% /data此时想要将挂载目录名从/data修…

fastapi通过APIRouter封装子路由

参考官方文档&#xff1a;https://fastapi.tiangolo.com/zh/tutorial/bigger-applications/ 基本示例 from fastapi import APIRouterrouter APIRouter()router.get("/users/", tags["users"]) async def read_users():return [{"username": …

VScode配置

1.设置鼠标悬停提示 1.1 问题描述 打开vscode&#xff0c;按住ctrl鼠标左键不能跳转定义&#xff08;右键没有go to definition&#xff09; 1.2 解决办法 打开设置界面&#xff1a;文件->首选项->设置在搜索框中搜索intelli Sense Engine &#xff08;需要先安装C/C…

【Python】已解决:ModuleNotFoundError: No module named ‘sklearn‘

文章目录 一、分析问题背景二、可能出错的原因三、错误代码示例四、正确代码示例五、注意事项 已解决&#xff1a;ModuleNotFoundError: No module named ‘sklearn‘ 一、分析问题背景 在进行机器学习项目时&#xff0c;Scikit-Learn&#xff08;简称sklearn&#xff09;是一…

【Qt+opencv】图片与视频的操作

文章目录 前言图片的操作图片的读取图片的写入示例代码 视频的操作打开视频关闭视频 总结 前言 在现代计算机视觉应用中&#xff0c;图像和视频处理起着至关重要的作用。这些应用范围广泛&#xff0c;包括图像识别、物体跟踪、3D建模等。为了实现这些功能&#xff0c;我们需要…

Linux多进程和多线程(二)-进程间通信-管道用法

进程间通信 关于多进程的通信管道无名管道(匿名管道)创建无名管道示例:创建子进程,父进程通过管道向子进程发送消息无名管道(匿名管道) 的特点 有名管道(命名管道) 创建有名管道需要调⽤ mkfifo() 函数示例:创建两个没有关联关系的进程,通过有名管道通信 注意: 缺点优点 关于判…

Linux多进程和多线程(一)-进程的概念和创建

进程 进程的概念进程的特点如下进程和程序的区别LINUX进程管理 getpid()getppid() 进程的地址空间虚拟地址和物理地址进程状态管理进程相关命令 ps toppstreekill 进程的创建 并发和并行fork() 父子进程执行不同的任务创建多个进程 进程的退出 exit()和_exit() exit()函数让当…

七日世界Once Human跳ping、延迟高、丢包怎么办?

七日世界是一款开放世界为轴点的生存射击游戏&#xff0c;玩家将进入一个荒诞、荒芜的末日世界&#xff0c;在这里与好友一起对抗可怖的怪物和神秘物质星尘的入侵&#xff0c;给这个星球留下最后的希望&#xff0c;共筑一片安全的领地。不过有部分玩家在游玩七日世界的时候&…

探索 TensorFlow 模型的秘密:TensorBoard 详解与实战

简介 TensorBoard 是 TensorFlow 提供的可视化工具&#xff0c;帮助开发者监控和调试机器学习模型。它提供了多种功能&#xff0c;包括查看损失和精度曲线、可视化计算图、检查数据分布等。下面将介绍如何使用 TensorBoard。 1. 安装 TensorBoard 如果尚未安装 TensorBoard&…

昇思MindSpore学习笔记7--函数式自动微分

摘要&#xff1a; 介绍了昇思MindSpore神经网络训练反向传播算法中函数式自动微分的使用方法和步骤。包括构造计算函数和神经网络、grad获得微分函数&#xff0c;以及如何处理停止渐变、获取辅助数据等内容。 一、概念要点 神经网络训练主要使用反向传播算法&#xff1a; 准备…

从AICore到TensorCore:华为910B与NVIDIA A100全面分析

华为NPU 910B与NVIDIA GPU A100性能对比&#xff0c;从AICore到TensorCore&#xff0c;展现各自计算核心优势。 AI 2.0浪潮汹涌而来&#xff0c;若仍将其与区块链等量齐观&#xff0c;视作炒作泡沫&#xff0c;则将错失新时代的巨大机遇。现在&#xff0c;就是把握AI时代的关键…

如何使用 asyncio.log 启用 Debug 日志

如何使用 asyncio.log 启用 Debug 日志 1. 导入必要的模块2. 配置日志记录3. 启用 asyncio 的调试日志4. 示例代码总结 在 Python 中使用 asyncio 模块时&#xff0c;有时我们需要查看调试日志来了解程序的运行情况。本文将介绍如何使用 asyncio.log 启用调试日志。 1. 导入必…

RAG 基本流程及处理技巧 with LangChain

LLM 主要存在两个问题&#xff1a;幻想和缺乏领域知识。领域知识缺乏的原因是因为训练 LLM 本身的知识更新慢&#xff0c;对特定领域的知识也没有太细致的输入。 RAG 主要是解决 LLM 缺乏领域知识的问题。底层的逻辑是&#xff1a;把 LLM 作为逻辑推理引擎&#xff0c;而不是信…

点云处理实操 积分图进行法线估计

目录 一、概述 二、什么是积分图 三、如何利用积分图进行法线估计 四、demo演示 1、使用c++实现 2、使用PCL实现 一、概述 三种法线估计方法 1、通过通过局部平面来拟合局部平面 COVARIANCE_MATRIX 模式从具体某个点的局部邻域的协方差矩阵创建9个积分,来计算这个点的法…

Github 2024-06-30 php开源项目日报Top10

根据Github Trendings的统计,今日(2024-06-30统计)共有10个项目上榜。根据开发语言中项目的数量,汇总情况如下: 开发语言项目数量PHP项目10Symfony PHP框架和组件 创建周期:5130 天开发语言:PHP协议类型:MIT LicenseStar数量:28999 个Fork数量:9440 次关注人数:28999 …

机器学习--概念理解

知识点 一、机器学习概述 人工智能 机器学习 深度学习 学习的范围&#xff1a;模式识别、数据挖掘、统计学习、计算机视觉、语音识别、自然语言处理 可以解决的问题&#xff1a;给定数据的预测问题 二、机器学习的类型 监督学习 分类 回归 无监督学习 聚类 降维 强化…

【2024】LeetCode HOT 100——回溯

目录 1. 全排列1.1 C++实现1.2 Python实现1.3 时空分析2. 子集2.1 C++实现2.2 Python实现2.3 时空分析3. 电话号码的字母组合3.1 C++实现3.2 Python实现3.3 时空分析4. 组合总和4.1 C++实现4.2 Python实现4.3 时空分析5. 括号生成5.1 C++实现5.2 Python实现5.3 时空分析6. 单词…

恢复的实现技术-日志和数据转储

一、引言 在系统正常运行的情况下&#xff0c;事务处理的恢复机制应采取某些技术措施为恢复做好相应的准备&#xff0c;保证在系统发生故障后&#xff0c;能将数据库从一个不一致的错误状态恢复到一个一致性状态 恢复技术主要包括 生成一个数据库日志&#xff0c;来记录系统中…

Unity制作一个简单抽卡系统(简单好抄)

业务流程&#xff1a;点击抽卡——>播放动画——>显示抽卡面板——>将随机结果添加到面板中——>关闭面板 1.准备素材并导入Unity中&#xff08;包含2个抽卡动画&#xff0c;抽卡结果的图片&#xff0c;一个背景图片&#xff0c;一个你的展示图片&#xff09; 2.给…

创建一个vue3+vite+ts项目

目录 创建项目 ​编辑 下载jsx 插件 在根目录在新建.env vue.config.js tsconfig.json tsconfig.node.json 下载ui组件库和路由&#xff08;组件库根据自己的项目需要选择&#xff09; 在根目录下新建views/index.tsx 在根目录下新建router/index.ts 修改App.vue 创建…