蚁群算法C语言最短路径规划,蚁群算法规划路径
蚁群算法可以用于路径规划,在本例中,地形矩阵用0表示无障碍物、用1表示有障碍物,机器人从1x1处走到10x10处,使用蚁群算法找最短路径。
步骤如下:初始化参数、地形矩阵、信息素矩阵和启发式因子矩阵。启发式因子矩阵中一点的值为该点到终点距离的倒数,距离越短,启发式因子越大,障碍物处的启发式因子为0。信息素矩阵被初始化为一个统一的值。
在本例中,将一条路径表示如下:[路径长度 点1 点2 ……],例如[2 1 2 0 0]表示该路径长度为2,路径为[1 2]。
对每次迭代中的每只蚂蚁,进行如下3步,直至到达终点或者陷入死胡同:
创建一个禁忌矩阵,禁忌矩阵中已经访问过的点为0,其余点与启发式因子矩阵中相应点的值相同。
设置初始点,根据信息素、启发式因子、禁忌表,通过轮盘赌方法,选择下一个城市。
更新路径和禁忌矩阵。
每次迭代后,更新信息素,只对最优路径中的点进行增加信息素操作。
迭代, 直至结束。
结果如下,其中黄色块为障碍物,红色线为路线:
蚁群算法路径规划结果
主函数
主函数如下:function main()rn = 10; cn = 10;
G = makeG(rn, cn); % 地形图tau = 8 .* ones(rn, cn); % 初始化信息素MaxGen = 100; % 迭代次数N = 50; % 蚂蚁个数S = 1; % 路径起始点E = rn * cn; % 路径终点Alpha = 1; % 信息素重要程度Beta = 30; % 启发式因子重要程度Rho = 0.3; % 信息素挥发系数Q = 5; % 信息素增加系数Eta = makeEta(G); % 距离倒数矩阵gpath = zeros(MaxGen, rn*cn+1); % 每代最优路径 [地点个数 地点……]for g = 1:MaxGen
npath = zeros(N, rn*cn+1); % 每个路径 [地点个数 地点……]
for n = 1:N
D = Eta; % 禁忌矩阵
path = zeros(1, rn*cn+1); % 路径
% 更新点、路径和禁忌矩阵
point = S;
path(1, 1) = path(1, 1) + 1;
path(1, path(1,1)+1) = point;
D(point) = 0;
% 搜索下一个点的坐标范围
nextlist = getNextList(point, rn, cn, D); % 一直前进,直到到达食物或者陷入死胡同
while point ~= E && ~isempty(nextlist) % 轮盘赌算法取下一点
p = zeros(1, length(nextlist)); for i = 1:length(nextlist)
p(1, i) = (tau(nextlist(i))^Alpha) * (Eta(nextlist(i))^Beta); end
nextpoint = nextlist(getNextPoint(p)); % 更新点、路径和禁忌矩阵
point = nextpoint;
path(1, 1) = path(1, 1) + 1;
path(1, path(1,1)+1) = point;
D(point) = 0;
nextlist = getNextList(point, rn, cn, D); end
% 记录成功成功到达终点的蚂蚁的路径
if (path(1, 1+path(1,1)) == E)
npath(n, :) = path; end
end
npath = npath(find(sum(npath,2)), :); % 保留到达终点的路径
lk = calLk(npath, rn, cn); % 计算lk距离
% 更新信息素
tau = (1 - Rho) .* tau; for i = 1:size(npath, 1) for j = 2:npath(i,1)+1
tau(npath(i,j)) = tau(npath(i,j)) + Q / lk(i); end
end
[~, minindex] = min(lk); if size(npath, 1) > 0
gpath(g, :) = npath(minindex, :);
endendlk = calLk(npath, rn, cn);
[minvalue, minindex] = min(lk);
fprintf("min length: %f\n", minvalue);bestpath = gpath(minindex,:);
bestpath = bestpath(2:1+bestpath(1,1));
figure;
imagesc(G);
hold on;for i = 2:length(bestpath)
[x1, y1] = ind2sub([rn, cn], bestpath(i-1));
[x2, y2] = ind2sub([rn, cn], bestpath(i));
plot([y1, y2], [x1, x2], 'r');
hold on;endend
得到下一点函数
每只蚂蚁的下一步候选点应该是这样的:没有障碍物
该蚂蚁之前没有经过
紧邻蚂蚁(蚂蚁不能飞)
得到待选点函数如下:function nextlist = getNextList(point, rn, cn, D)% 给出待选点列表% point input 当前点% rn input 地图行数% cn input 地图列数% D input 禁忌地图% nextlist output 待选点列表list = find(D);
nextlist = zeros(1, length(list)+1);
[pointx, pointy] = ind2sub([rn, cn], point);for i = 1:length(list)
[indexx, indexy] = ind2sub([rn, cn], list(i)); if (indexx >= pointx-1 && indexx <= pointx+1 ...
&& indexy >= pointy-1 && indexy <= pointy+1)
nextlist(1, 1) = nextlist(1, 1) + 1;
nextlist(1, nextlist(1,1)+1) = list(i); endenda = nextlist(1,1);
nextlist = nextlist(1, 2:1+a);
在得到待选点列表后,就能通过轮盘赌法得到下一点了:function nextpointindex = getNextPoint(p)% 使用轮盘赌法给出下一个点% p input 概率列表% nextpointindex output 下一个点sump = sum(p);
p = p / sump;
cumsump = cumsum(p);
list = find(cumsump >= rand);
nextpointindex = list(1);
一些其他函数
制作地形矩阵函数:function G = makeG(rn, cn)% 制作地形矩阵% rn input 地形矩阵函数% cn input 地形矩阵函数% G output 地形矩阵G = zeros(rn, cn);
G(1:3, 2) = 1;
G(7:10, 1:5) = 1;
G(5, 3) = 1;
G(1, 4) = 1;
G(1:5, 5) = 1;
G(5:7, 7:9) = 1;
制作启发式因子矩阵:function eta = makeEta(G)% 制作启发式因子矩阵(到终点距离倒数,障碍物为0)% G input 地形矩阵% eta output 启发式因子矩阵eta = G;
[rn, cn] = size(G);for i = 1:rn for j = 1:cn if G(i, j) == 1
eta(i, j) = 0; elseif (i == rn && j == cn)
eta(i, j) = 1; else
eta(i, j) = 1 / ( (rn-i)^2+(cn-j)^2 )^0.5; end
endend
计算路径长度矩阵function lk = calLk(npath, rn, cn)% 计算路径长度% npath input 路径% rn input 地图行数% cn input 地图列数% lk output 路径长度 rnx1[nr, ~] = size(npath);
lk = zeros(nr, 1);for i = 1:nr
path = npath(i, 2:1+npath(1,1)); for j = 2:length(path)
[x1, y1] = ind2sub([rn, cn], path(j-1));
[x2, y2] = ind2sub([rn, cn], path(j));
lk(i) = lk(i) + ((x2-x1)^2+(y2-y1)^2)^0.5; endendend
作者:mwangjs
链接:https://www.jianshu.com/p/622bf89ba88e
蚁群算法C语言最短路径规划,蚁群算法规划路径相关推荐
- >算法笔记-动态规划-最短路径迪杰斯特拉算法
算法笔记-动态规划-最短路径迪杰斯特拉算法 作者:星河滚烫兮 前言 图的最短路径问题在现实生活中有很广阔的应用,最短路径又分为单源最短路径与多源最短路径,前者求出固定起点到其他节点的最短路径,后者 ...
- rsa算法c语言实现_数据结构与算法之线性表-顺序表实现(C语言版本)
原文托管在Github: https://github.com/shellhub/blog/issues/52 数据结构与算法之线性表-顺序表实现(C语言版本) 前言 数据结构与算法是一个程序员必备的 ...
- c语言代码先来先服务算法_C语言十大经典排序算法(动态演示+代码,值得收藏)...
以前也零零碎碎发过一些排序算法,但排版都不太好,又重新整理一次,排序算法是数据结构的重要部分,系统地学习很有必要. 时间.空间复杂度比较 排序算法 平均时间复杂度 最差时间复杂度 空间复杂度 数据对象 ...
- java合一算法_Prolog语言的编译原理:合一算法
Prolog语言的编译原理:合一算法 分类:软考 | 更新时间:2016-07-08| 来源:转载 Prolog是一种基于谓词演算的程序设计语言.Prolog是一种说明性语言,它的基本意思是程序员着重 ...
- c4.5算法 程序语言,决策树之C4.5算法详解-Go语言中文社区
决策树之C4.5算法详解 主要内容 C4.5算法简介 分裂属性的选择--信息增益率 连续型属性的离散化处理 剪枝--PEP(Pessimistic Error Pruning)剪枝法 缺失属性值的处理 ...
- 最坏适应算法c语言源码,首次适应算法,最佳适应算法,最坏适应算法源代码
这是一个非常完美的程序,输出显示的格式也很棒,里面包含首次适应算法,最佳适应算法,最坏适应算法 #include #include #define Free 0 //空闲状态 #define Busy ...
- 自适应对消算法c语言,LMS自适应对消算法
LMS算法最小均方误差算法,是一种自适应滤波算法.该算法通过对输入信号进行滤波输出一个信号y(n),将输出信号与期望输出信号作差得到一个误差信号,再将误差信号输入到自适应滤波器中形成一个反馈回路.LM ...
- 虚拟存储页面置换算法c语言,虚拟存储器管理页面置换算法模拟实验.doc
虚拟存储器管理页面置换算法模拟实验 淮海工学院计算机工程学院 实验报告书 课程名:< 操作系统原理A > 题 目: 虚拟存储器管理 页面置换算法模拟实验 班 级: 软件*** 学 号: 2 ...
- dv路由算法c语言实现,路由协议之DV算法
#include #define ROUTER_OF_NUMBER 100 //网络中路由的最大数目 #define MaxExp 10000 //假设为此路由费用为无穷大 int RouterNum ...
最新文章
- python输出大小不同的字体_python – 为什么我的truetype字体大小为11渲染与windows不同?...
- mysql更新一个表里的字段等于另一个表某字段的值
- 不想参加无聊的团队分享, 我们这样玩
- linux 配置jupyter远程访问
- ORA-01659: 无法分配超出 7 的 MINEXTENTS
- Arcgis desktop 9.3的破解方法_经验版
- 关于Servlet和异步Servlet
- PostgreSQL在何处处理 sql查询之二十九
- 数字五笔输入法,特别版
- 【使用老电脑win7下载miniconda】
- Ceph使用系列之——Ceph RGW使用
- CAD基础+常用快捷(三)
- 云GIS架构的研究与实践
- Ninja is required to load C++ extensions in Pycharm
- mysql 查询每个科目分数大于80
- Apache Spark 怎么选择 JOIN 策略?
- 苹果手机双卡双待是哪一款_提个醒:手机“双卡双待”,卡一和卡二究竟有什么区别?早知道为好...
- Unable to simultaneously satisfy constraints.这一问题
- 最浅显易懂的Javascript 中的slice和splice
- Codeforces 1579G
热门文章
- 个人作业 Alpha项目测试
- 239期夏天计算机开机号,福彩3D16239期便民工作室提供中国福彩中心开机号239期开机号...
- 阿里面试官:你知道Dubbo的服务暴露机制么?
- 用计算机判断函数单调性吗,高中数学函数单调性的判断方法(全)
- 初学Java简易自助饮品消费系统项目实践
- Jmeter:图形界面压力测试工具
- Dojo 学习--ADM
- 解决“vmware15虚拟机启动造成win10黑屏或自动注销“问题
- maximo跟java_maximo遇到的错误问题
- PS青山绿水婚片处理