【路径规划】基于改进差分之三维多 无人机协同航迹规划

 

一、差分进化算法的介绍

   差分进化算法(Differential Evolution, DE)是一种基于群体差异的启发式随机搜索算法，该算法是由R.Storn和K.Price为求解Chebyshev多项式而提出的。DE算法也属于智能优化算法，与前面的启发式算法，如ABC，PSO等类似，都属于启发式的优化算法。DE算法是我在一篇求解盒子覆盖问题论文中使用的一种优化算法。

二、差分进化算法的流程

1. 初始化种群
2. 变异
3. 交叉
4. 选择

(DE流程)

三、差分进化的具体步骤

   对于无约束优化问题

 

 

利用差分进化求解这样的优化问题，主要分为初始化、变异、交叉和选择等几项操作。

1、初始化

   如前面的的群智能优化算法一样，差分进化也需要初始化种群：

 

其中，是第个个体，表示第维。

 

其中，和分别为第维的下界和上界，表示在区间上的随机数。

2、变异

       DE算法通过差分策略实现个体变异，常见的差分策略是随机选取种群中两个不同的个体，将其向量差缩放后与待变异个体进行向量合成。

 

其中，，和是三个随机数，区间为，称为缩放因子，为一个确定的常数。表示第代。

3、交叉

   交叉操作的目的是随机选择个体，因为差分进化也是一种随机算法，交叉操作的方法是：

 

其中，称为交叉概率。通过概率的方式随机生成新的个体。

4、选择

   在DE中采用的是贪婪选择的策略，即选择较优的个体作为新的个体。

%清空环境
clear;

%定义地形对象
cTerrain = CTerrain3D;
%定义威胁区对象
cTread = CTread;

%调整为统一的图形环境
figure('Renderer','opengl');

%绘制地形和威胁区
cTerrain.draw();
cTread.draw();


%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%数据形式说明
%xs 初始点位置集合，三维点集
%yt 目标点位置集合，三维点集
%MxsEna 能力矩阵，集合中的二元组表示最大最小飞行速度
%MxsDIs 最大航程矩阵，集合中的值表示UAV最大可飞的距离
%MytTOrd 任务点间的时序坐标，要求尽量在前面的先执行

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%调用目标分配算法
%AssignType表示不同的模型，1, N=M; 2, N>M; 3, N

完整代码添加QQ1575304183

往期回顾>>>>>>

【路径规划】基于BBO算法的无人机三维路径规划matlab源码

【路径规划】基于SSA算法的无人机三维路径规划matlab 源码

【路径规划】基于A星算法的三维路径规划matlab源码

【路径规划】基于蚁群算法的无人机路径规划matlab源码

【路径规划】基于粒子群的三维无人机路径规划matlab源码

【路径规划】基于粒子群的无人机三维路径规划含障碍matlab源码

【路径规划】基于nsga的无人机路径规划

【路径规划】基于人工蜂群的无人机三维路径规划

【路径规划】A*算法解决三维路径规划问题

【路径规划】考虑分配次序的多无人机协同目标分配建模与遗传算法求解