基于遗传算法的车辆和无人机协同路径规划问题研究附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

个人主页：Matlab科研工作室

个人信条：格物致知。

更多Matlab仿真内容点击

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机

⛄ 内容介绍

随着无人机及其相关技术的日渐成熟,搭载多种传感器的专业型无人机被广泛应用于各种各样的领域。在借助无人机进行大规模设施巡检的场景下,选择不同的巡检路线所耗费的作业时间相去甚远。因此,如何规划无人机的路径是本场景下的关键问题。高效的无人机路径规划算法将极大的提升巡检效率、降低巡检成本。然而,受限于电池容量,现有无人机的续航时间十分有限,难以直接胜任较远距离的巡检任务。

⛄ 部分代码

%% 清空环境

clc

clear

%% 遗传算法参数

maxgen=30;                         %进化代数

sizepop=100;                       %种群规模

pcross=[0.6];                      %交叉概率

pmutation=[0.01];                  %变异概率

lenchrom=[1 1];                    %变量字串长度

bound=[-5 5;-5 5];                 %变量范围

%% 个体初始化

individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]);  %种群结构体

avgfitness=[];                                               %种群平均适应度

bestfitness=[];                                              %种群最佳适应度

bestchrom=[];                                                %适应度最好染色体

% 初始化种群

for i=1:sizepop

    individuals.chrom(i,:)=Code(lenchrom,bound);       %随机产生个体

    x=individuals.chrom(i,:);

    individuals.fitness(i)=fun(x);                     %个体适应度

end

%找最好的染色体

[bestfitness bestindex]=min(individuals.fitness);

bestchrom=individuals.chrom(bestindex,:);  %最好的染色体

avgfitness=sum(individuals.fitness)/sizepop; %染色体的平均适应度

% 记录每一代进化中最好的适应度和平均适应度

trace=[]; 

%% 进化开始

for i=1:maxgen

     % 选择操作

     individuals=Select(individuals,sizepop); 

     avgfitness=sum(individuals.fitness)/sizepop;

     % 交叉操作

     individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop,bound);

     % 变异操作

     individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,[i maxgen],bound);

    

    % 计算适应度 

    for j=1:sizepop

        x=individuals.chrom(j,:);

        individuals.fitness(j)=fun(x);   

    end

    

  %找到最小和最大适应度的染色体及它们在种群中的位置

    [newbestfitness,newbestindex]=min(individuals.fitness);

    [worestfitness,worestindex]=max(individuals.fitness);

    % 代替上一次进化中最好的染色体

    if bestfitness>newbestfitness

        bestfitness=newbestfitness;

        bestchrom=individuals.chrom(newbestindex,:);

    end

    individuals.chrom(worestindex,:)=bestchrom;

    individuals.fitness(worestindex)=bestfitness;

    

    avgfitness=sum(individuals.fitness)/sizepop;

    

    trace=[trace;avgfitness bestfitness]; %记录每一代进化中最好的适应度和平均适应度

end

%进化结束

⛄ 运行结果

⛄ 参考文献

[1]张敏辉, 赖麟, 孙连海. 基于遗传算法的研究与Matlab代码的实现[J]. 四川教育学院学报, 2012.

[2]马华伟, 马凯, 郭君. 考虑多投递的带无人机车辆路径规划问题研究[J]. 计算机工程, 2022(008):048.

❤️ 关注我领取海量matlab电子书和数学建模资料

❤️部分理论引用网络文献，若有侵权联系博主删除