4-ACO算法（蚁群算法）的栅格路径寻优计算

Halcom

4-ACO算法（蚁群算法）的栅格路径寻优计算
链接：https://pan.baidu.com/s/1nUCFCm1601EU94oKq_hWbw 密码：8rmq

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

主程序如下：

1. clc,clear,close all
   
2. warning off
   
3. %% MAP
   
4. load('data2.mat');
   
5. K = 4;             % 与节点自身相连的节点数
   
6. [x,y,A,dij, citynum,a,b] = init_map(data2,K);
   
7. %% 目标
   
8. startpoint=39;  % 起始节点
   
9. endpoint=18;    % 终止节点
   
10. %% ACO 参数
    
11. maxiter = 30;  % 迭代次数
    
12. sizepop = 10;  % 种群数量
    
13. popmin1 = 1;  popmax1 = 51; % x1
    
14. popmin2 = 1;  popmax2 = 51; % x2
    
15. Rou = 1.0;     % 信息素增量强度
    
16. P0 = 0.1;      % 转移概率
    
17. % 初始化种群
    
18. for i=1:sizepop
    
19.     x1 = round( popmin1 + (popmax1-popmin1)*rand );
    
20.     x2 = round( popmin2 + (popmax2-popmin2)*rand );
    
21.     pop(i,1) = x1;
    
22.     pop(i,2) = x2;
    
23.     [path{i}, fitness(i)] = fun_dijstra( [startpoint, pop(i,:), endpoint], A, dij );
    
24. end
    
25. % 记录一组最优值
    
26. [bestfitness,bestindex]=min(fitness);
    
27. zbest.pop=pop(bestindex,:);   % 全局最佳
    
28. zbest.path=path{bestindex};   % 全局最佳对应的最优路径
    
29. gbest=pop;                % 个体最佳
    
30. fitnessgbest=fitness;     % 个体最佳适应度值
    
31. fitnesszbest=bestfitness; % 全局最佳适应度值
    
32. %% 迭代寻优
    
33. for i=1:maxiter
    
34.     lamda = 1/i;       % 信息素挥发因子
    
35.     [bestfit,flag] =min(fitness);
    
36.     for j=1:sizepop
    
37.         Pt(j) = (fitness(j)-bestfit)./bestfit;
    
38.     end
    
39.     for j=1:sizepop
    
40.         % 转移概率值
    
41.         if Pt(j)<P0
    
42.             pop(j,:) = round( pop(j,:) + (2*rand-1)*lamda/2 );
    
43.         else
    
44.             pop(j,1) = round( pop(j,1) + (popmax1-popmin1)*(rand-0.5) );
    
45.             pop(j,2) = round( pop(j,2) + (popmax2-popmin2)*(rand-0.5) );
    
46.         end
    
47.         
    
48.         % 越界处理
    
49.         if pop(j,1)>popmax1
    
50.             pop(j,1)=popmax1;
    
51.         end
    
52.         if pop(j,1)<popmin1
    
53.             pop(j,1)=popmin1;
    
54.         end
    
55.         if pop(j,2)>popmax2
    
56.             pop(j,2)=popmax2;
    
57.         end
    
58.         if pop(j,2)<popmin2
    
59.             pop(j,2)=popmin2;
    
60.         end
    
61.         
    
62.         % 适应度值
    
63.         [path1, fitness1] = fun_dijstra( [startpoint, pop(j,:), endpoint], A, dij );
    
64.         [path2, fitness2] = fun_dijstra( [startpoint, gbest(j,:), endpoint], A, dij );
    
65.         
    
66.         if fitness1<fitness2
    
67.             gbest(j,:) = pop(j,:);
    
68.         else
    
69.             pop(j,:) = gbest(j,:);
    
70.         end
    
71.         
    
72.         [path{j}, fitness3] = fun_dijstra( [startpoint, pop(j,:), endpoint], A, dij );
    
73.         fitness(j) = (1-Rou)*fitness(j) + fitness3;
    
74.         
    
75.         if fitness(j) < fitnesszbest
    
76.             fitnesszbest = fitness(j);
    
77.             fitnessgbest(j) = fitness3;
    
78.             
    
79.             zbest.pop = pop(j,:);
    
80.             zbest.path = path{j};
    
81.         end
    
82.     end
    
83.     fitness_iter(i) = fitnesszbest;
    
84. end
    
85. %% 结果显示
    
86. figure('color',[1,1,1])
    
87. plot(fitness_iter,'ro-','linewidth',2)
    
88. grid on
    
89. xlabel('迭代次数');
    
90. ylabel('适应度函数值')
    
91. 
    
92. fprintf('最优个体')
    
93. zbest
    
94. %% 绘图
    
95. figure(3)
    
96. colormap([0 0 0;1 1 1]),pcolor(0.5:size(a,2)+0.5,0.5:size(a,1)+0.5,b)
    
97. hold on
    
98. % 节点网络结构初始化
    
99. for i=1:citynum
    
100.     plot(x(i)+0.5,y(i)+0.5,'ro','MarkerEdgeColor','r','MarkerFaceColor','g','markersize',8);
     
101.     hold on;
     
102.     text(x(i)+0.5,y(i)+0.5+0.2,num2str(i),'Color',[1 0 0]);
     
103. end
     
104. % 连线
     
105. for i=1:length(zbest.path)-1
     
106.     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);
     
107. end
     
108. axis tight;
     
109. axis off;
     
110. hold off

复制代码

适应度函数：

1. function [path, fitness] = fun_dijstra( pop, A, dij )
   
2. path =[];
   
3. for i=1:length(pop)-1
   
4. %     path1 = find_path2(pop(i), pop(i+1), A);  % 找路径
   
5.     path1 = dijkstra(pop(i), pop(i+1), dij);  % 找路径
   
6.     path = [path,path1];
   
7. end
   
8. 
   
9. % 删除重复的节点
   
10. index=[];
    
11. for i=1:length(path)-1
    
12.     if(path(i)==path(i+1))
    
13.         index=[index,i];
    
14.     end
    
15. end
    
16. path(index)=[];
    
17. 
    
18. fitness = ca_tsp(path,dij);

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

新手学习路径优化，感谢分享

wdd123456

新手学习路径优化，感谢分享

songsong

学习一下，感谢楼主

LSS117

感谢楼主的分享