【路径规划】基于matlab GUI粒子群算法机器人路径规划动画演示(手动设障)【含Matlab源码 924期】
一、简介
1 粒子群算法的概念
粒子群优化算法(PSO:Particle swarm optimization) 是一种进化计算技术(evolutionary computation)。源于对鸟群捕食的行为研究。粒子群优化算法的基本思想:是通过群体中个体之间的协作和信息共享来寻找最优解.
PSO的优势:在于简单容易实现并且没有许多参数的调节。目前已被广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。
2 粒子群算法分析
2.1基本思想
粒子群算法通过设计一种无质量的粒子来模拟鸟群中的鸟,粒子仅具有两个属性:速度和位置,速度代表移动的快慢,位置代表移动的方向。每个粒子在搜索空间中单独的搜寻最优解,并将其记为当前个体极值,并将个体极值与整个粒子群里的其他粒子共享,找到最优的那个个体极值作为整个粒子群的当前全局最优解,粒子群中的所有粒子根据自己找到的当前个体极值和整个粒子群共享的当前全局最优解来调整自己的速度和位置。下面的动图很形象地展示了PSO算法的过程:
2 更新规则
PSO初始化为一群随机粒子(随机解)。然后通过迭代找到最优解。在每一次的迭代中,粒子通过跟踪两个“极值”(pbest,gbest)来更新自己。在找到这两个最优值后,粒子通过下面的公式来更新自己的速度和位置。
公式(1)的第一部分称为【记忆项】,表示上次速度大小和方向的影响;公式(1)的第二部分称为【自身认知项】,是从当前点指向粒子自身最好点的一个矢量,表示粒子的动作来源于自己经验的部分;公式(1)的第三部分称为【群体认知项】,是一个从当前点指向种群最好点的矢量,反映了粒子间的协同合作和知识共享。粒子就是通过自己的经验和同伴中最好的经验来决定下一步的运动。以上面两个公式为基础,形成了PSO的标准形式。
公式(2)和 公式(3)被视为标准PSO算法。
3 PSO算法的流程和伪代码
二、部分源代码
function varargout = PSM(varargin)
% PSM MATLAB code for PSM.fig
% PSM, by itself, creates a new PSM or raises the existing
% singleton*.
%
% H = PSM returns the handle to a new PSM or the handle to
% the existing singleton*.
%
% PSM('CALLBACK',hObject,eventData,handles,...) calls the local
% function named CALLBACK in PSM.M with the given input arguments.
%
% PSM('Property','Value',...) creates a new PSM or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before PSM_OpeningFcn gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to PSM_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one
% instance to run (singleton)".
%
% See also: GUIDE, GUIDATA, GUIHANDLES% Edit the above text to modify the response to help PSM% Last Modified by GUIDE v2.5 22-May-2021 21:08:35% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...'gui_Singleton', gui_Singleton, ...'gui_OpeningFcn', @PSM_OpeningFcn, ...'gui_OutputFcn', @PSM_OutputFcn, ...'gui_LayoutFcn', [] , ...'gui_Callback', []);
if nargin && ischar(varargin{1})gui_State.gui_Callback = str2func(varargin{1});
endif nargout[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
elsegui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT% --- Executes just before PSM is made visible.
function PSM_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% varargin command line arguments to PSM (see VARARGIN)% Choose default command line output for PSM
handles.output = hObject;% Update handles structure
guidata(hObject, handles);% UIWAIT makes PSM wait for user response (see UIRESUME)
% uiwait(handles.figure1);% --- Outputs from this function are returned to the command line.
function varargout = PSM_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)% Get default command line output from handles structure
varargout{1} = handles.output;%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% --- Executes on button press in pushbutton5.
function pushbutton5_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton5 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
s=[0 0];%起点位置
g=[0 100];%目标点起始位置
axis([-20 120 -20 120]);
axis equal;
hold on;
axis off;
fill([-20,120,120,-20],[-20 -20 120 120],'y')%填充动图区域
text(-5,-5,' Start','FontSize',12);%设定起点标识
fill([95,120,120,95],[-20 -20 10 10],'w')%设定说明区域
text(100,5,'Notes:','FontSize',12)
plot(101,-5,'sb','markerfacecolor','b');
text(101,-5,' Robot','FontSize',12);
plot(101,-15,'om','markerfacecolor','m');
text(101,-15,' Ball','FontSize',12);
plot(0,0,'bs')%起点处小车填充
car=plot(0,0,'sb','markerfacecolor','b');
object=plot(0,100,'om','markerfacecolor','m');%目标起点处填充
but=1;%十字光标初始化
x_obs=1;
y_obs=1;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% --- Executes on button press in pushbutton4.
function pushbutton4_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton4 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
uiresume;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% --- Executes on button press in pushbutton3.
function pushbutton3_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton3 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
uiwait;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% --- Executes on button press in pushbutton2.
function pushbutton2_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
uiresume;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% --- Executes on button press in pushbutton1.
function pushbutton1_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
%%%%%%%%%%%%%%%%%%绘制障碍%%%%%%%%%%%%%%%%%%
s=[0 0];%起点位置
g=[0 100];%目标起始位置
axis([-20 120 -20 120]);
axis equal;
hold on;
axis off;
fill([-20,120,120,-20],[-20 -20 120 120],'y')%填充动图区域
text(-5,-5,' Start','FontSize',12);%设定起点标识
fill([95,120,120,95],[-20 -20 10 10],'w')%设定说明区域
text(100,5,'Notes:','FontSize',12)
plot(101,-5,'sb','markerfacecolor','b');
text(101,-5,' Robot','FontSize',12);
plot(101,-15,'om','markerfacecolor','m');
text(101,-15,' Ball','FontSize',12);
plot(0,0,'bs')%起点处小车填充
car=plot(0,0,'sb','markerfacecolor','b');
object=plot(0,100,'om','markerfacecolor','m');%目标起点处填充
but=1;%十字光标初始化
x_obs=1;
y_obs=1;
num_obs=1;
%%%%%%%%%%%%%%开始检测光标%%%%%%%%%%%%%%%%
while but == 1[x_obs,y_obs,but] = ginput(1);if but==1m_Obs(num_obs,:)=[x_obs y_obs];%储存障碍的中心点坐标m_ObsR(num_obs)=3;Theta=0:pi/20:pi;xx =m_Obs(num_obs,1)+cos(Theta)*m_ObsR(num_obs);yy= m_Obs(num_obs,2)+sin(Theta)*m_ObsR(num_obs);fill(xx,yy,'w')Theta=pi:pi/20:2*pi;xx =m_Obs(num_obs,1)+cos(Theta)*m_ObsR(num_obs);yy= m_Obs(num_obs,2)+sin(Theta)*m_ObsR(num_obs);fill(xx,yy,'k')num_obs=num_obs+1;end
end %End of While loop
num_obs=num_obs-1;
uiwait;
%%%%%%%%%%%%%%%等待演示命令%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%定义全局变量%%%%%%%%%%%%%
%%%%粒子群的%%%%
global c1; %学习因子1
global c2; %学习因子2
global w; %惯性权重
global MaxDT; %最大迭代次数
global m; %搜索空间维数(未知数个数)
global N; %初始化群体个体数目
global eps; %设置精度(在已知最小值时候用)
global Kmax; %初始化x时用的最大迭代次数
global Qmax; %初始化x时粒子全部重新初始化用的最大迭代次数
global fitw1; %适应值函数中的两个权重
global fitw2;
global pathta ; %移动的角度为60度
global psosued; %粒子群成功
global pathsued; %路径可行
%%%%%%%%%%%%%%%%%路径规划%%%%%%%%%%%%%%%%%%%%%%%
三、运行结果
四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例(第2版)[M].电子工业出版社,2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社,2017.
【路径规划】基于matlab GUI粒子群算法机器人路径规划动画演示(手动设障)【含Matlab源码 924期】相关推荐
- 【路径规划】基于matlab GUI粒子群算法机器人避障路径规划(手动设障)【含Matlab源码 924期】
⛄一.简介 1 粒子群算法的概念 粒子群优化算法(PSO:Particle swarm optimization) 是一种进化计算技术(evolutionary computation).源于对鸟群捕 ...
- 【数字信号去噪】基于matlab粒子群算法优化VMD分解分量选择数字信号降噪【含Matlab源码 1979期】
⛄一.获取代码方式 获取代码方式1: 完整代码已上传我的资源:[数字信号去噪]基于matlab粒子群算法优化VMD分解分量选择数字信号降噪[含Matlab源码 1979期] 点击上面蓝色字体,直接付费 ...
- 【路径规划】基于matlab GUI蚁群算法机器人栅格地图最短路径规划【含Matlab源码 927期】
⛄一.蚁群算法简介 1 引言 在自然界中各种生物群体显现出来的智能近几十年来得到了学者们的广泛关注,学者们通过对简单生物体的群体行为进行模拟,进而提出了群智能算法.其中, 模拟蚁群觅食过程的蚁群优化算 ...
- 【PSO TSP】基于matlab GUI粒子群算法求解旅行商问题【含Matlab源码 1334期】
⛄一.TSP简介 旅行商问题,即TSP问题(Traveling Salesman Problem)又译为旅行推销员问题.货郎担问题,是数学领域中著名问题之一.假设有一个旅行商人要拜访n个城市,他必须选 ...
- 【微电网优化】基于量子行为粒子群算法机组燃烧控制系统建模含Matlab源码
1 简介 能源问题与环境问题随着现代社会的快速发展已成为中国乃至全世界关注的焦点.就我国现状来说,由于独特的能源架构和社会形态,直接决定了我国的电力工业在当今乃至未来相当长的一段时期内将以燃煤火电机组 ...
- 【配电网优化】基于粒子群算法实现GARVER-6节点配电网络直流潮流计算附matlab代码
1 内容介绍 一种基于粒子群算法的交直流混联配电网潮流最优化控制算法,属配电调控领域.根据配电网结构图确定区域间配电网互联的线路并编号;设定以线路分类的二维矩阵,关联线路编号与线路上的功率流动值;应用 ...
- 基于多目标粒子群算法在分布式电源选址和定容中的应用matlab程序
基于多目标粒子群算法在分布式电源选址和定容中的应用matlab程序 摘 要: 为更好地解决分布式电源选址定容问题,提出一种改进的多目标粒子群算法.考虑投资成本.网损以及电压稳定性三因素建立了一个三目标 ...
- 基于改进二进制粒子群算法的配电网重构(matlab实现)
目录 一.引言 1.问题背景 2.二进制粒子群算法 2.1简介 2.2 S i g m o i d Sigmoid Sigmoid函数 2.3二进制粒子群算法 2.4算法的改进 二.配电网重构模型 1 ...
- 【优化算法】基于matlab量子粒子群算法求解单目标优化问题【含Matlab源码 2203期】
⛄一.获取代码方式 获取代码方式1: 完整代码已上传我的资源:[优化算法]基于matlab量子粒子群算法求解单目标优化问题[含Matlab源码 2203期] 点击上面蓝色字体,直接付费下载,即可. 获 ...
- MATLAB代码:基于多目标粒子群算法冷热电联供综合能源系统运行优化
MATLAB代码:基于多目标粒子群算法冷热电联供综合能源系统运行优化 关键词:综合能源 冷热电三联供 粒子群算法 多目标优化 参考文档:<基于多目标算法的冷热电联供型综合能源系统运行优化> ...
最新文章
- 11g 新特性 Member Kill Escalation 简介
- 主题:Spring注解入门(转载)
- 抢火车票这个事吧,其实我也能做!(python黑科技)
- mii-tool与ethtool的用法详解
- 敏捷软件开发:原则、模式与实践——第12章 ISP:接口隔离原则
- xampp php5.6 7.1共存,New XAMPP with PHP 7.2.8, 7.1.20, 7.0.31 5.6.37
- androidstudio build tools安装_Android Studio4.0 安装及配置
- 基于JAVA+SpringMVC+Mybatis+MYSQL的校园订餐点餐外卖管理系统
- 405 - 不允许用于访问此页的 HTTP 谓词的处理办法
- Kalman filter—直观理解
- SLAM 领域国内外优秀实验室/开源方案(汇总)
- python日期判断星座_Python学习笔记 - 根据出生日期判断你的星座
- UVM基本介绍(UVM class hierarchy、验证平台、树状图)
- .fire勒索病毒如何删除 .fire后缀文件恢复(Dharma)
- 软件质量与测试--第六周作业 软件测试与评估
- 大数据中一些常用软件
- Hyper-V搭建centos8
- 4S汽车业务财务一体化整体框架
- 慕课matlab学习 第四章-021窗口分割、标注、和坐标控制
- Hard Voting 与 Soft Voting 的对比
热门文章
- Linux 系统中用户切换(su user与 su - user 的区别)
- 2、Charm Bracelet( poj 3624)简单0-1背包
- 【软考10】计算机网络基础知识拾遗
- 使用SpringSide 3.1.4.3开发Web项目的全过程(中下)
- Access to the path is denied(转载)
- 西门子STEP7 MICROWIN V4 SP5 下载
- Ubuntu4.04 安装Mesos
- 零件缝隙平行线距离检测2
- Atitit httpclient feign使用总结RestTemplate Httpclient重要的功能 重试与超时 1.RedirectExec执行器的默认策略是,在接收到重定向错误码3
- Atititi atiitt eam pam资产管理 购物表去年.xlsx