【路径规划】基于matlab分布式目标检测和跟踪的多无人机【含Matlab源码 289期】

一、简介

不同的技术和环境条件下，协调多个无人机以进行分布式目标检测和跟踪。提议的方法基于多代理系统中的群体行为的概念，即由无人机组成的自我组建和自我协调的团队，可使其适应特定任务的环境布局。蜂群的形成和协调分别受植绒和双能生物机理的启发。通过适当组合这些机制，可以在环境中的全局搜索（探索）和局部搜索（开发）之间取得适当的平衡。群体适应基于进化算法，其目的是在任务期间最大化跟踪目标的数量或最小化目标发现的时间。

二、源代码

 
 
% set title
optimInfo.title = 'Demo 1 (Rosenbrock''s saddle)';
 
% specify objective function
objFctHandle = @rosenbrocksaddle;
 
% define parameter names, ranges and quantization:
 
% 1. column: parameter names
% 2. column: parameter ranges
% 3. column: parameter quantizations
% 4. column: initial values (optional)
 
 
paramDefCell = {
     
	'parameter1', [-3 3], 0.01
	'parameter2', [-3 3], 0.01
};
 
% set initial parameter values in struct objFctParams 
objFctParams.parameter1 =  -2;
objFctParams.parameter2 = 2.5;
 
% set single additional function parameter
objFctSettings = 100;
 
% get default DE parameters
DEParams = getdefaultparams;
 
% set number of population members (often 10*D is suggested) 
DEParams.NP = 20;
 
% do not use slave process here
DEParams.feedSlaveProc = 0;
 
% set times
DEParams.maxiter  = 20;
DEParams.maxtime  = 30; % in seconds
DEParams.maxclock = [];
 
% set display options
DEParams.infoIterations = 1;
DEParams.infoPeriod     = 10; % in seconds
 
% do not send E-mails
emailParams = [];
 
% set random state in order to always use the same population members here
setrandomseed(1);
 
% start differential evolution
[bestmem, bestval, bestFctParams, nrOfIterations, resultFileName] = differentialevolution(...
	DEParams, paramDefCell, objFctHandle, objFctSettings, objFctParams, emailParams, optimInfo); %#ok
 
disp(' ');
disp('Best parameter set returned by function differentialevolution:');
disp(bestFctParams);
% continue optimization by loading result file
if DEParams.saveHistory
  
  disp(' ');
  disp(textwrap2(sprintf(...
    'Now continuing optimization by loading result file %s.', resultFileName)));
  disp(' ');
  
  DEParams.maxiter = 100;
  DEParams.maxtime = 60; % in seconds
  [bestmem, bestval, bestFctParams] = differentialevolution(...
    DEParams, paramDefCell, objFctHandle, objFctSettings, objFctParams, emailParams, optimInfo, ...
    resultFileName); %#ok
  
  disp(' ');
  disp('Best parameter set returned by function differentialevolution:');
  disp(bestFctParams);
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】
【三维路径规划】基于matlab 无人机三维空间的航迹规划【含Matlab源码 270期】