1 简介
针对移动机器人路径规划的难题,运用了一种基于遗传模拟退火算法的移动机器人最优路径规划方法,对移动机器人的路径规划进行了设计,采用了栅格法对环境进行建模.为了提高路径规划的效率,采用了一种改进的避障算法来生成初始种群.将遗传算法与模拟退火算法相结合形成遗传模拟退火算法,新算法具有较强的全局和局部搜索能力.仿真实验结果证明算法相对于基本遗传算法的收敛速度,搜索质量和最优解输出概率方面有了明显的提高.
2 部分代码
clear
clc
block_num=input('请输入障碍物体数量');
K=randperm(99);
block=K(1:block_num);
num=30; % the number of individual in the population
couMarkov_lengthnt=30; % total generations of evolution
pro_cross=0.75; % crossover rate
pro_mut=0.1; % mutation rate
p=init_population(num,block); %initilize population
% ------evolution process----------------------------------
%---------SA 参数 -------------------------------
t0=97;% 初始温度
t1=3;% 最终温度
t=t0;
while t1<t
for i=1:couMarkov_lengthnt
p=select_operator(p);
p=cross_operator(p,pro_cross,t);
p=mutate_operator(p,pro_mut,block);
p=insert_operator(p,block);
p=delete_operator(p);
f=fitness(p);
optimum=p(round(find(f==max(f))));
draw_path(block,optimum(1).vec);
pause(0.1);
end
t=t*0.2;
end
3 仿真结果
4 参考文献
[1]杜宗宗, 刘国栋. 基于遗传模拟退火算法的移动机器人路径规划[J]. 计算机仿真, 2009(12):5.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。完整代码获取关注微信公众号天天matlab
