2-GA算法（遗传算法）的栅格路径寻优计算

Halcom

2-GA算法（遗传算法）的栅格路径寻优计算
链接：https://pan.baidu.com/s/150bjegoQh40S5HmfnQqGEQ 密码：f9tr

具体链接在halcom.cn论坛，联系人QQ：3283892722
该论坛是一个学习交流平台，我会逐一的和大家分享学习。
欢迎大家录制视频，你可在论坛进行打赏分享。
视频专用播放器：http://halcom.cn/forum.php?mod=viewthread&tid=258&extra=page%3D1

主程序：

1. clc,clear,close all
   
2. warning off
   
3. global nvar
   
4. tic
   
5. %% MAP
   
6. load('data2.mat');
   
7. K = 4;             % 与节点自身相连的节点数
   
8. [x,y,A,dij, citynum,a,b] = init_map(data2,K);
   
9. %% 目标
   
10. startpoint=39;  % 起始节点
    
11. endpoint=18;    % 终止节点
    
12. %% GA
    
13. popmin = [1, 1, 1];       % Lb
    
14. popmax =[ 51, 51, 51];    % Ub
    
15. pc = 0.75;   % 0-1之间
    
16. pm = 0.05;   % 0-1之间
    
17. nvar = 3;    % 3个未知数
    
18. itermax = 30; % 迭代次数
    
19. sizepop = 30; % 种群
    
20. %% 初始化种群
    
21. for i=1:sizepop
    
22.     pop(i,:) = code(popmin,popmax);    % 实数编码
    
23.     [path{i}, fitness(i)] = fun_dijkstra([startpoint, pop(i,:), endpoint], A, dij );   % 目标函数值
    
24. end
    
25. [bestfitness,index] = min(fitness); % 极小值
    
26. zbest.pop = pop(index,:);        % 最佳个体
    
27. fitnessgbest = fitness;      % 个体最优
    
28. gbest = pop;                 % 最优种群
    
29. fitnesszbest = bestfitness;  % 全局最优
    
30. zbest.path = path{index};    % 最佳个体对应的最优路径
    
31. %% 迭代寻优
    
32. for i=1:itermax
    
33.     disp(['当前迭代次数：', num2str(i)])
    
34.     % 选择算子
    
35.     pop = select(sizepop,pop,fitness,popmin,popmax);
    
36.     % 交叉算子
    
37.     pop = cross(sizepop,pc,pop,popmin,popmax);
    
38.     % 变异
    
39.     pop = mut(sizepop,pm,pop,popmin,popmax);
    
40.    
    
41.     for j=1:sizepop
    
42.         [path{j}, fitness(j)] = fun_dijkstra( [startpoint, pop(j,:), endpoint], A, dij );   % 目标函数值
    
43.         if fitness(j)< fitnessgbest(j)
    
44.             fitnessgbest(j) = fitness(j);
    
45.             gbest(j,:) = pop(j,:);
    
46.         end
    
47.         if fitness(j)<fitnesszbest
    
48.             fitnesszbest = fitness(j);
    
49.             zbest.pop = pop(j,:);  % 最佳个体
    
50.             zbest.path = path{j};  % 最佳个体对应的最优路径
    
51.         end
    
52.     end
    
53.     fitness_iter(i) = fitnesszbest;
    
54. end
    
55. %% 结果显示
    
56. figure,
    
57. plot(fitness_iter,'ro-','linewidth',2)
    
58. toc
    
59. 
    
60. disp('最优解')
    
61. disp(zbest.pop)
    
62. fprintf('\n')
    
63. 
    
64. disp('最优解对应的最优路径')
    
65. disp(zbest.path)
    
66. fprintf('\n')
    
67. 
    
68. %% 绘图
    
69. figure(3)
    
70. colormap([0 0 0;1 1 1]),pcolor(0.5:size(a,2)+0.5,0.5:size(a,1)+0.5,b)
    
71. hold on
    
72. % 节点网络结构初始化
    
73. for i=1:citynum
    
74.     plot(x(i)+0.5,y(i)+0.5,'ro','MarkerEdgeColor','r','MarkerFaceColor','g','markersize',8);
    
75.     hold on;
    
76.     text(x(i)+0.5,y(i)+0.5+0.2,num2str(i),'Color',[1 0 0]);
    
77. end
    
78. % 连线
    
79. for i=1:length(zbest.path)-1
    
80.     plot([x(zbest.path(i))+0.5,x(zbest.path(i+1))+0.5],[y(zbest.path(i))+0.5,y(zbest.path(i+1))+0.5],'b-','MarkerEdgeColor','r','MarkerFaceColor','g','markersize',8,'linewidth',2);
    
81. end
    
82. axis tight;
    
83. axis off;
    
84. hold off

复制代码

参考：
【1】基于穷举法的机器人避障路径寻优（免费）
【2】智能车辆局部避障路径规划及横向运动控制研究_陈东
【3】3-PSO算法（粒子群算法）的栅格路径寻优计算

浮夸的答案

新手学习机器人路径规划，

hy007

新手学习一下

zhougc

学习一下,..

zhougc

学习一下，，研究

sx1644

谢谢楼主，可以好好学习一下啦

archer

新手想学习

archer

谢谢楼主，可以好好学习一下啦

wdd123456

新手学习机器人路径规划，

virtualccc

好东西，目前正在学习