【三维路径规划】基于matlab 蚁群算法UAV巡检路径【含Matlab源码 268期】

一、简介

1 蚁群算法的提出
蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。遗传算法在模式识别、神经网络、机器学习、工业优化控制、自适应控制、生物科学、社会科学等方面都得到应用。
2 算法的基本原理

二、源代码

clear all;
warning('off');   % 消除警告
false = 0;
true = 1;

%% (1)Setup the movie stuff 设置视频信息
make_movie = true;
% make_pot = false;    % 这个地方暂时可以理解为可以省略,与下程序相互对应;
% make video showing potential field | Takes a long time to make, so usually set to false
% 设置视频的字段需要很长时间，所以通常设置为false
writerObj = [];
% Define the plane of points to evaluate potential function, if you are making video of potential function
% 如果你制作势能函数的视频，定义点的平面来评估势能函数
x = linspace(0, 50, 100);    % 0-50中平均分100个数,组成1*100double矩阵
y = linspace(0, 50, 100);    % 0-50中平均分100个数,组成1*100double矩阵 
z = 5;                       % 这个地方的5代表的是什么？
[X,Y] = meshgrid(x,y);       % X为100*100double,Y为100*100double
% meshgrid用于从数组x和y产生网格.生成的网格矩阵X和Y大小是相同的.它也可以是更高维的.
[rx, cx] = size(X);          % rx = 100;cx = 100
Z = zeros(rx, cx);           % Z为100*100double

% Setup the movie file and frame rate 设置视频文件和帧速率
if( make_movie )
    writerObj = VideoWriter('3D_test3.avi');  % 定义一个视频文件用来存动画
    writerObj.FrameRate = 60;                 % 将帧写入视频FrameRate：帧速率(每秒钟60张图)
    open(writerObj);                          % 打开该视频文件
end
% initial perspective in video  视频的初始化角度
az = -60;
el = 20;
% final perspective in video  视频的最后角度
azf = -60;
elf = 20;


%%  (2)Parameter specifications for drones    设置无人机的参数
Nd =2;                            % number of drones in swarm                (无人机种群数量)
ind_c = -1;                       % index for center/lead drone              (中心/领头无人机的指数) 这条语句的作用是什么？
radius =1.5;                      % radius for drones and possibly obstacles (无人机和可能障碍物的半径)
dims = [0, 50; 0, 50; 0, 50];     % first row is lower and upper x bounds    (设置三维坐标的界限)
                                  % second row is lower and upper y bounds
                                  % third row is lower and upper z bounds
xc = [40,40,40]';               % initial location for central/lead drone  (中央/领头无人机的初始位置)
end_loc = [5, 5, 5]';             % Desired end location                     (预期结束位置)

%% (3)Setup the waypoint object 设置路径对象
dist_thresh = 2;                  % 这个函数的设置似乎没有什么影响              
% The distance threshold(距离阈值) the swarm must be within of the waypoint(距离阈值群必须在航路点内)
                                  % to make the waypoint change to the new one
% 群体的距离阈值必须在航点内，以使航点变为新的航点
% 如何连接航路点？
wypt = Waypoints( dist_thresh );
wypt.addPoint( [ 15; 50; 20 ] );  % first waypoint   (第一个航点，就是蓝色的点)
wypt.addPoint( [ 0; 50; 0 ] );    % second waypoint  (第二个航点)
wypt.addPoint( end_loc );         % last waypoint    (最后一个航点)

% 蓝色的点
wypt2 = Waypoints( dist_thresh ); % wypt和wypt2的区别在哪里？为什么优先考虑wypt2的改变值     
wypt2.addPoint( [ 15; 50; 20 ] ); % first waypoint
wypt2.addPoint( [ 0; 50; 0 ] );   % second waypoint
wypt2.addPoint( end_loc );        % last waypoint
classdef Queue < handle
    
    properties
        items;
        count;
    end
    
    
    methods
        
        function obj = Queue()
            obj.items = [];
            obj.count = 0;
        end
        
        function push( obj, v )
            if( ~isempty(v) )
                obj.count = obj.count + 1;
                obj.items(obj.count).d =v;
            end
        end
        
        function v = pop( obj )
            if( obj.count > 0 )
                v = obj.items(1).d;
                obj.items = obj.items(2:end);
                obj.count = obj.count - 1;
            else
                v = [ ];
            end
        end
        
    end    
end

三、运行结果

四、备注

完整代码或者代写添加QQ1564658423
往期回顾>>>>>>
【预测模型】基于matlab粒子群的lssvm预测【含Matlab源码 103期】
【lSSVM预测】基于matlab鲸鱼优化算法之lSSVM数据预测【含Matlab源码 104期】
【lstm预测】基于matlab鲸鱼优化算法之改进的lstm预测【含Matlab源码 105期】
【SVM预测】基于matlab蝙蝠算法改进的SVM预测（一）【含Matlab源码 106期】
【SVM预测】基于matlab灰狼算法优化svm支持向量机预测【含Matlab源码 107期】
【预测模型】基于matlab BP神经网络的预测【含Matlab源码 108期】
【lssvm预测模型】基于蝙蝠算法改进的最小二乘支持向量机lssvm预测【Matlab 109期】
【lssvm预测】基于飞蛾扑火算法改进的最小二乘支持向量机lssvm预测【Matlab 110期】
【SVM预测】基于matlab蝙蝠算法之改进的SVM预测（二）【含Matlab源码 141期】
【lssvm预测】基于matlab飞蛾扑火算法之改进的最小二乘支持向量机lssvm预测【含Matlab源码 142期】
【ANN预测模型】基于matlab差分算法改进ANN网络预测【含Matlab源码 151期】
【预测模型】基于matlab RBF神经网络预测模型【含Matlab源码 177期】
【预测模型】基于matlab SVM回归预测算法来预测股票趋势【含Matlab源码 180期】
【预测模型】基于matlab BP神经网络之模型优化预测【含Matlab源码 221期】
【预测模型】基于matlab RLS算法的数据预测【含Matlab源码 222期】
【预测模型】基于matlab碳排放约束下的煤炭消费量优化预测【含Matlab源码 223期】
【路径规划】基于matlab A星和改进A星的路径规划【含Matlab源码 225期】
【TSP】基于matlab 改进的禁忌搜索算法之求解旅行商问题【含Matlab源码 241期】
【TSP】基于matlab 改进的蚁群算法之求解旅行商问题【含Matlab源码 242期】
【路径规划】基于matlab模拟退火算法之求解火灾巡逻最短路径【含Matlab源码 252期】