8-GA遗传算法的障碍路径寻优Path Planning-三角形障碍

Halcom

8-GA遗传算法的障碍路径寻优Path Planning-三角形障碍
链接：https://pan.baidu.com/s/1nnU9pHcid62He9IK8GE4UA 提取码：741b
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. % 初始化种群
   
4. model = CreateModel();
   
5. nvar = model.n;   % n个未知量
   
6. popmin_x = model.xmin; % x
   
7. popmax_x = model.xmax; % x
   
8. popmin_y = model.ymin; % y
   
9. popmax_y = model.ymax; % y
   
10. % GA算法
    
11. pc = 0.75;   % 交叉概率0-1之间
    
12. pm = 0.25;   % 变异概率0-1之间
    
13. itermax = 100; % 迭代次数
    
14. sizepop = 50; % 种群
    
15. bound = [popmin_x*ones(nvar,1), popmax_x*ones(nvar, 1)];
    
16. individuals_x = struct( 'fitness', zeros(1,sizepop),'chrom',[] );
    
17. individuals_y = struct( 'fitness', zeros(1,sizepop),'chrom',[] );
    
18. bestfitness = [];
    
19. bestchrom_x = [];
    
20. bestchrom_y = [];
    
21. %% 种群初始化
    
22. fitnesszbest = inf;
    
23. for i=1:sizepop
    
24.     pop(i).position = CreateRandomSolution(model); % 初始化个体
    
25.     [pop(i).fitness , pop(i).sol]= fun( pop(i).position, model );         % 适应度值
    
26.     individuals_x.chrom(i,:) = pop(i).position.x;
    
27.     individuals_x.fitness(i) = pop(i).fitness;
    
28.     individuals_y.chrom(i,:) = pop(i).position.x;
    
29.     individuals_y.fitness(i) = pop(i).fitness;
    
30.     % 更新个体最优
    
31.     if(pop(i).fitness<fitnesszbest)
    
32.         fitnesszbest = pop(i).fitness;
    
33.         zbest = pop(i);
    
34.     end
    
35. end
    
36. bestfitness = fitnesszbest;
    
37. bestchrom_x = zbest.position.x;
    
38. bestchrom_y = zbest.position.y;
    
39. for i=1:itermax
    
40.     disp(['当前迭代次数: ', num2str(i), ' 总迭代次数：', num2str(itermax)])
    
41.     individuals_x = Select(individuals_x, sizepop);
    
42.     individuals_x.chrom = Cross(pc,nvar,individuals_x.chrom,sizepop,bound);
    
43.     individuals_x.chrom = Mutation(pm,nvar,individuals_x.chrom,sizepop,i,itermax,bound);
    
44.     individuals_y = Select(individuals_y, sizepop);
    
45.     individuals_y.chrom = Cross(pc,nvar,individuals_y.chrom,sizepop,bound);
    
46.     individuals_y.chrom = Mutation(pm,nvar,individuals_y.chrom,sizepop,i,itermax,bound);
    
47.    
    
48.     % 计算适应度函数值
    
49.     for j=1:sizepop
    
50.         pop(j).position.x = individuals_x.chrom(j,:);
    
51.         pop(j).position.y = individuals_y.chrom(j,:);
    
52.         [pop(j).fitness , pop(j).sol]= fun( pop(j).position, model );         % 适应度值
    
53.         
    
54.         individuals_x.fitness(j) = pop(j).fitness;
    
55.         individuals_y.fitness(j) = pop(j).fitness;
    
56.     end
    
57.    
    
58.     % 找里面的最好的个体和最差的个体
    
59.     [newbestfitness, newbestindex] = min(individuals_x.fitness);
    
60.     [newworstfitness, newworstindex] = max(individuals_x.fitness);
    
61.     if(newbestfitness<bestfitness)
    
62.         bestfitness = newbestfitness;
    
63.         bestchrom_x = individuals_x.chrom(newbestindex, :);
    
64.         bestchrom_y = individuals_y.chrom(newbestindex, :);
    
65.         zbest = pop(newbestindex);
    
66.     end
    
67.     individuals_x.chrom(newworstindex, :) = bestchrom_x;
    
68.     individuals_y.chrom(newworstindex, :) = bestchrom_y;
    
69.    
    
70.     fitness_iter(i) = bestfitness;
    
71.    
    
72.     figure(1)
    
73.     PlotSolution(zbest.sol,model)
    
74.     pause(0.1)
    
75. end
    
76. %% 结果显示
    
77. disp('最优解')
    
78. disp(zbest)
    
79. fprintf('\n')
    
80. 
    
81. figure('color',[1,1,1])
    
82. plot(fitness_iter,'ro-','linewidth',2)
    
83. xlabel('迭代次数'); ylabel('适应度曲线');
    
84. axis tight
    
85. grid on
    
86. 
    
87. figure(1)
    
88. PlotSolution(zbest.sol, model)
    
89. pause(0.1)

复制代码

选择

1. function ret=Select(individuals,sizepop)
   
2. % 该函数用于进行选择操作
   
3. % individuals input    种群信息
   
4. % sizepop     input    种群规模
   
5. % ret         output   选择后的新种群
   
6. 
   
7. %求适应度值倒数   
   
8. fitness1=1./individuals.fitness; %individuals.fitness为个体适应度值
   
9. 
   
10. %个体选择概率
    
11. sumfitness=sum(fitness1);
    
12. sumf=fitness1./sumfitness;
    
13. 
    
14. %采用轮盘赌法选择新个体
    
15. index=[];
    
16. for i=1:sizepop   %sizepop为种群数
    
17.     pick=rand;
    
18.     while pick==0   
    
19.         pick=rand;        
    
20.     end
    
21.     for i=1:sizepop   
    
22.         pick=pick-sumf(i);        
    
23.         if pick<0        
    
24.             index=[index i];            
    
25.             break;  
    
26.         end
    
27.     end
    
28. end
    
29. 
    
30. %新种群
    
31. individuals.chrom=individuals.chrom(index,:);   %individuals.chrom为种群中个体
    
32. individuals.fitness=individuals.fitness(index);
    
33. ret=individuals;

复制代码

交叉

1. function ret=Cross(pcross,lenchrom,chrom,sizepop,bound)
   
2. %本函数完成交叉操作
   
3. % pcorss                input  : 交叉概率
   
4. % lenchrom              input  : 染色体的长度
   
5. % chrom     input  : 染色体群
   
6. % sizepop               input  : 种群规模
   
7. % ret                   output : 交叉后的染色体
   
8. 
   
9. for i=1:sizepop  %每一轮for循环中，可能会进行一次交叉操作，染色体是随机选择的，交叉位置也是随机选择的，%但该轮for循环中是否进行交叉操作则由交叉概率决定（continue控制）
   
10.      % 随机选择两个染色体进行交叉
    
11.      pick=rand(1,2);
    
12.      while prod(pick)==0
    
13.          pick=rand(1,2);
    
14.      end
    
15.      index=ceil(pick.*sizepop);
    
16.      % 交叉概率决定是否进行交叉
    
17.      pick=rand;
    
18.      while pick==0
    
19.          pick=rand;
    
20.      end
    
21.      if pick>pcross
    
22.          continue;
    
23.      end
    
24.      flag=0;
    
25.      while flag==0
    
26.          % 随机选择交叉位
    
27.          pick=rand;
    
28.          while pick==0
    
29.              pick=rand;
    
30.          end
    
31.          pos=ceil(pick.*sum(lenchrom));  %随机选择进行交叉的位置，即选择第几个变量进行交叉，注意：两个染色体交叉的位置相同
    
32.          pick=rand; %交叉开始
    
33.          v1=chrom(index(1),pos);
    
34.          v2=chrom(index(2),pos);
    
35.          chrom(index(1),pos)=pick*v2+(1-pick)*v1;
    
36.          chrom(index(2),pos)=pick*v1+(1-pick)*v2; %交叉结束
    
37.          flag1=test(lenchrom,bound,chrom(index(1),:));  %检验染色体1的可行性
    
38.          flag2=test(lenchrom,bound,chrom(index(2),:));  %检验染色体2的可行性
    
39.          if flag1*flag2==0
    
40.              flag=0;
    
41.          else
    
42.              flag=1;
    
43.          end    %如果两个染色体不是都可行，则重新交叉
    
44.      end
    
45. end
    
46. ret=chrom;

复制代码

变异

1. function ret=Mutation(pmutation,lenchrom,chrom,sizepop,num,maxgen,bound)
   
2. % 本函数完成变异操作
   
3. % pcorss                input  : 变异概率
   
4. % lenchrom              input  : 染色体长度
   
5. % chrom     input  : 染色体群
   
6. % sizepop               input  : 种群规模
   
7. % opts                  input  : 变异方法的选择
   
8. % pop                   input  : 当前种群的进化代数和最大的进化代数信息
   
9. % bound                 input  : 每个个体的上限和下限
   
10. % maxgen                input  ：最大迭代次数
    
11. % num                   input  : 当前迭代次数
    
12. % ret                   output : 变异后的染色体
    
13. 
    
14. for i=1:sizepop   %每一轮for循环中，可能会进行一次变异操作，染色体是随机选择的，变异位置也是随机选择的，
    
15.     %但该轮for循环中是否进行变异操作则由变异概率决定（continue控制）
    
16.     % 随机选择一个染色体进行变异
    
17.     pick=rand;
    
18.     while pick==0
    
19.         pick=rand;
    
20.     end
    
21.     index=ceil(pick*sizepop);
    
22.     % 变异概率决定该轮循环是否进行变异
    
23.     pick=rand;
    
24.     if pick>pmutation
    
25.         continue;
    
26.     end
    
27.     flag=0;
    
28.     num = 0;
    
29.     chrom1 = chrom(i,:);
    
30.     while flag==0&&num<=20
    
31.         % 变异位置
    
32.         pick=rand;
    
33.         while pick==0      
    
34.             pick=rand;
    
35.         end
    
36.         pos=ceil(pick*sum(lenchrom));  %随机选择了染色体变异的位置，即选择了第pos个变量进行变异
    
37.    
    
38.         pick=rand; %变异开始     
    
39.         fg=(rand*(1-num/maxgen))^2;
    
40.         if pick>0.5
    
41.             chrom(i,pos)=chrom(i,pos)+(bound(pos,2)-chrom(i,pos))*fg;
    
42.         else
    
43.             chrom(i,pos)=chrom(i,pos)-(chrom(i,pos)-bound(pos,1))*fg;
    
44.         end   %变异结束
    
45.         flag=test(lenchrom,bound,chrom(i,:));     %检验染色体的可行性
    
46.          num = num+1;  % 检验次数设置
    
47.     end
    
48.     if num>20         % 如果大于20次，则不变异
    
49.         chrom(i,:) = chrom1;
    
50.     end
    
51. end
    
52. ret=chrom;

复制代码

Code函数如下：

游客，如果您要查看本帖隐藏内容请回复

参考：
【1】结果动态图
【2】子函数参考链接
【3】GA多目标算法
【4】GA单目标算法

wwd980525

感谢感谢！！！

operator321

感谢感谢！！！

wwmwwmwwm

111111111111111111

wumeng

十分感谢楼主，非常好的内容

summer9931

学习学习，感谢分享，谢谢

faith

查看全部代码