基于蚁群算法的机器人路径规划MATLAB源代码

基本思路是，使用离散化网格对带有障碍物的地图环境建模，将地图环境转化为邻接矩阵，最后使用蚁群算法寻找最短路径。

function [ROUTES,PL,Tau]=ACASPS(G,Tau,K,M,S,E,Alpha,Beta,Rho,Q) %% --------------------------------------------------------------- % ACASP.m

% 基于蚁群算法的机器人路径规划

% GreenSim团队——专业级算法设计&代写程序 % 欢迎访问GreenSim团队主页→

%% --------------------------------------------------------------- % 输入参数列表

% G 地形图为01矩阵，如果为1表示障碍物

% Tau 初始信息素矩阵（认为前面的觅食活动中有残留的信息素） % K 迭代次数（指蚂蚁出动多少波） % M 蚂蚁个数（每一波蚂蚁有多少个） % S 起始点（最短路径的起始点） % E 终止点（最短路径的目的点） % Alpha 表征信息素重要程度的参数 % Beta 表征启发式因子重要程度的参数 % Rho 信息素蒸发系数

% Q 信息素增加强度系数 %

% 输出参数列表

% ROUTES 每一代的每一只蚂蚁的爬行路线 % PL 每一代的每一只蚂蚁的爬行路线长度 % Tau 输出动态修正过的信息素

%% --------------------变量初始化---------------------------------- %load

D=G2D(G);

N=size(D,1);%N表示问题的规模（象素个数） MM=size(G,1);

a=1;%小方格象素的边长

Ex=a*(mod(E,MM)-0.5);%终止点横坐标 if Ex==-0.5

Ex=MM-0.5; end

Ey=a*(MM+0.5-ceil(E/MM));%终止点纵坐标

Eta=zeros(1,N);%启发式信息，取为至目标点的直线距离的倒数

%下面构造启发式信息矩阵 for i=1:N

ix=a*(mod(i,MM)-0.5); if ix==-0.5

ix=MM-0.5; end

iy=a*(MM+0.5-ceil(i/MM)); if i~=E

Eta(1,i)=1/((ix-Ex)^2+(iy-Ey)^2)^0.5; else

Eta(1,i)=100; end end

ROUTES=cell(K,M);%用细胞结构存储每一代的每一只蚂蚁的爬行路线 PL=zeros(K,M);%用矩阵存储每一代的每一只蚂蚁的爬行路线长度

%% -----------启动K轮蚂蚁觅食活动，每轮派出M只蚂蚁-------------------- for k=1:K %disp(k); for m=1:M

%% 第一步：状态初始化

W=S;%当前节点初始化为起始点 Path=S;%爬行路线初始化

PLkm=0;%爬行路线长度初始化

TABUkm(S)=0;%已经在初始点了，因此要排除 DD=D;%邻接矩阵初始化

%% 第二步：下一步可以前往的节点 DW=DD(W,:);

DW1=find(DW

if TABUkm(DW1(j))==0 end end

LJD=find(DW

Len_LJD=length(LJD);%可选节点的个数

%% 觅食停止条件：蚂蚁未遇到食物或者陷入死胡同 while W~=E&&Len_LJD>=1

%% 第三步：转轮赌法选择下一步怎么走 PP=zeros(1,Len_LJD); for i=1:Len_LJD end

PP=PP/(sum(PP));%建立概率分布 Pcum=cumsum(PP);

Select=find(Pcum>=rand);

to_visit=LJD(Select(1));%下一步将要前往的节点

%% 第四步：状态更新和记录 Path=[Path,to_visit];%路径增加

PLkm=PLkm+DD(W,to_visit);%路径长度增加 W=to_visit;%蚂蚁移到下一个节点 for kk=1:N

if TABUkm(kk)==0 DD(W,kk)=inf; DD(kk,W)=inf; end end

TABUkm(W)=0;%已访问过的节点从禁忌表中删除 DW=DD(W,:);

LJD=find(DW

Len_LJD=length(LJD);%可选节点的个数 end

%% 第五步：记下每一代每一只蚂蚁的觅食路线和路线长度 ROUTES{k,m}=Path; if Path(end)==E

PL(k,m)=PLkm; else

PL(k,m)=inf; end end

%% 第六步：更新信息素

Delta_Tau=zeros(N,N);%更新量初始化 for m=1:M

if PL(k,m)

ROUT=ROUTES{k,m}; TS=length(ROUT)-1;%跳数 PL_km=PL(k,m); for s=1:TS

x=ROUT(s); y=ROUT(s+1);

Delta_Tau(x,y)=Delta_Tau(x,y)+Q/PL_km; Delta_Tau(y,x)=Delta_Tau(y,x)+Q/PL_km; end end end

Tau=(1-Rho).*Tau+Delta_Tau;%信息素挥发一部分，新增加一部分 end

%% ---------------------------绘图-------------------------------- plotif=0;%是否绘图的控制参数 if plotif==1

%绘收敛曲线

meanPL=zeros(1,K); minPL=zeros(1,K); for i=1:K

PLK=PL(i,:);

Nonzero=find(PLK

figure(1) plot(minPL); hold on

plot(meanPL); grid on

title('收敛曲线（平均路径长度和最小路径长度）'); xlabel('迭代次数'); ylabel('路径长度'); %绘爬行图 figure(2)

axis([0,MM,0,MM]) for i=1:MM for j=1:MM if G(i,j)==1

x1=j-1;y1=MM-i; x2=j;y2=MM-i; x3=j;y3=MM-i+1; x4=j-1;y4=MM-i+1;

fill([x1,x2,x3,x4],[y1,y2,y3,y4],[0.2,0.2,0.2]); hold on else

x1=j-1;y1=MM-i; x2=j;y2=MM-i; x3=j;y3=MM-i+1; x4=j-1;y4=MM-i+1;

fill([x1,x2,x3,x4],[y1,y2,y3,y4],[1,1,1]); hold on end end end hold on

ROUT=ROUTES{K,M}; Rx=ROUT; Ry=ROUT;

for ii=1:LENROUT