3.蚁群算法求解格栅地图路径规划matlab代码

往期：

1.Dijkstra算法求解格栅地图路径matlab代码_墨叔叔的博客-CSDN博客

2.A*搜索算法原理及matlab代码_墨叔叔的博客-CSDN博客

一、蚁群算法原理

原理：蚁群系统(Ant System或Ant Colony System)是由意大利学者Dorigo、Maniezzo等人于20世纪90年代首先提出来的。他们在研究蚂蚁觅食的过程中，发现单个蚂蚁的行为比较简单，但是蚁群整体却可以体现一些智能的行为。例如蚁群可以在不同的环境下，寻找最短到达食物源的路径。这是因为蚁群内的蚂蚁可以通过某种信息机制实现信息的传递。后又经进一步研究发现，蚂蚁会在其经过的路径上释放一种可以称之为“信息素”的物质，蚁群内的蚂蚁对“信息素”具有感知能力，它们会沿着“信息素”浓度较高路径行走，而每只路过的蚂蚁都会在路上留下“信息素”，这就形成一种类似正反馈的机制，这样经过一段时间后，整个蚁群就会沿着最短路径到达食物源了。

参考：蚁群算法（Ant Colony Optimization）_明之季的博客-CSDN博客_蚁群算法

（1）根据具体问题设置多只蚂蚁，分头并行搜索。
（2）每只蚂蚁完成一次周游后，在行进的路上释放信息素，信息素量与解的质量成正比。
（3）蚂蚁路径的选择根据信息素强度大小（初始信息素量设为相等），同时考虑两点之间的距离，采用随机的局部搜索策略。这使得距离较短的边，其上的信息素量较大，后来的蚂蚁选择该边的概率也较大。
（4）每只蚂蚁只能走合法路线（经过每个城市1次且仅1次），为此设置禁忌表来控制。
（5）所有蚂蚁都搜索完一次就是迭代一次，每迭代一次就对所有的边做一次信息素更新，原来的蚂蚁死掉，新的蚂蚁进行新一轮搜索。
（6）更新信息素包括原有信息素的蒸发和经过的路径上信息素的增加。
（7）达到预定的迭代步数，或出现停滞现象（所有蚂蚁都选择同样的路径，解不再变化），则算法结束，以当前最优解作为问题的最优解。

二、蚁群算法求解格栅地图路径规划

原始地图

1.目标函数直接设置路径长度，约束采用硬约束是否到达目标点

结果：

连续5次运行后路径长度为：53.9411 48.8701 43.4558 49.6985 44.0416 平均长度48.0014

2.目标函数直接设置路径长度，约束采用软约束与目标点的距离

连续5次运行后路径长度为：43.9411 38.8701 41.4558 39.6985 42.8701平均长度 41.3671

三、总结

蚁群算法求解二维格栅问题效果尚可，小规模格栅地图不如A星算法，但是适用性强，某些地图使用A星算法得到的结果不如蚁群算法，可以尝试用其他方法进行优化。

四、代码：蚁群算法求解格栅地图路径规划matlab代码-机器学习文档类资源-CSDN下载