【路径规划】基于粒子群的三维无人机路径规划matlab源码

1 简介

【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】基于粒子群的三维无人机路径规划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

2 部分代码

%

clc;
clear;
close all;

%% Problem Definition

model=CreateModel();

model.n=8;  % number of Handle Points   ???????

CostFunction=@(x) MyCost(x,model);    % Cost Function ????,@(x)????? ??????x

nVar=model.n;       % Number of Decision Variables   ?????

VarSize=[1 nVar];   % Size of Decision Variables Matrix   ?????????

%%X??Y???????
VarMin.x=model.xmin;           % Lower Bound of Variables
VarMax.x=model.xmax;           % Upper Bound of Variables
VarMin.y=model.ymin;           % Lower Bound of Variables
VarMax.y=model.ymax;           % Upper Bound of Variables
VarMin.z=model.zmin;
VarMax.z=model.zmax;

%% PSO??????
%% PSO Parameters

MaxIt=100;          % Maximum Number of Iterations   ??????

nPop=50;           % Population Size (Swarm Size)   ?????

% w=1;               % Inertia Weight                 ????
% wdamp=0.98;         % Inertia Weight Damping Ratio   ???????
wmax=0.9;
wmin=0.4;
w=wmax;
Lam = 20;

c1=1.5;             % Personal Learning Coefficient ??????
c2=1.5;             % Global Learning Coefficient   ??????

% % Constriction Coefficient
% phi1=2.05;
% phi2=2.05;
% phi=phi1+phi2;
% chi=2/(phi-2+sqrt(phi^2-4*phi));
% w=chi;               % Inertia Weight
% wdamp=1;             % Inertia Weight Damping Ratio
% c1=chi*phi1;         % Personal Learning Coefficient
% c2=chi*phi2;         % Global Learning Coefficient

%%X??Y???????
alpha=0.1;
VelMax.x=alpha*(VarMax.x-VarMin.x);    % Maximum Velocity
VelMin.x=-VelMax.x;                    % Minimum Velocity
VelMax.y=alpha*(VarMax.y-VarMin.y);    % Maximum Velocity
VelMin.y=-VelMax.y;                    % Minimum Velocity
VelMax.z=alpha*(VarMax.z-VarMin.z); 
VelMin.z=-VelMax.z;  

%% Initialization   ???

% Create Empty Particle Structure   ?????,??????????????????????????????????
empty_particle.Position=[];
empty_particle.Velocity=[];
empty_particle.Cost=[];
empty_particle.Sol=[];%solution 瑙?
empty_particle.Best.Position=[];
empty_particle.Best.Cost=[];
empty_particle.Best.Sol=[];

% Initialize Global Best   ?????????,????
GlobalBest.Cost=inf;

% Create Particles Matrix   ???????
particle=repmat(empty_particle,nPop,1);   %???????????? empty_particle ? nPop?1 ??
%%
%[empty_particle
%.
%.
%.
%empty_particle]
%%


% Initialization Loop ????????
for i=1:nPop
   
   % Initialize Position ????????
   if i > 1
       particle(i).Position=CreateRandomSolution(model);
   else
       % Straight line from source to destination   ???????????
       xx = linspace(model.xs, model.xt, model.n+2);
       yy = linspace(model.ys, model.yt, model.n+2);
zz = linspace(model.zs, model.zt, model.n+2);
       particle(i).Position.x = xx(2:end-1);
       particle(i).Position.y = yy(2:end-1);
particle(i).Position.z = zz(2:end-1);
   end
   
   % Initialize Velocity ????????
   particle(i).Velocity.x=zeros(VarSize);
   particle(i).Velocity.y=zeros(VarSize);
particle(i).Velocity.z=zeros(VarSize);
   
   % Evaluation ?????????
  [particle(i).Cost, particle(i).Sol]=CostFunction(particle(i).Position);
   
   % Update Personal Best ????????
   particle(i).Best.Position=particle(i).Position;
   particle(i).Best.Cost=particle(i).Cost;
   particle(i).Best.Sol=particle(i).Sol;
   
   % Update Global Best ????????
   if particle(i).Best.Cost<GlobalBest.Cost
       
       GlobalBest=particle(i).Best;
       
   end
   
end

% Array to Hold Best Cost Values at Each Iteration   ??????????????
BestCost=zeros(MaxIt,1);

%% PSO Main Loop   PSO??????
for it=1:MaxIt
   
   for i=1:nPop
       % x Part x???
       % Update Velocity   ????   rand(VarSize)????VarSize*VarSize???
       particle(i).Velocity.x = w*particle(i).Velocity.x ...
           + c1*rand(VarSize).*(particle(i).Best.Position.x-particle(i).Position.x) ...
           + c2*rand(VarSize).*(GlobalBest.Position.x-particle(i).Position.x);
       
       % Update Velocity Bounds ??????,?????,????????????
       particle(i).Velocity.x = max(particle(i).Velocity.x,VelMin.x);
       particle(i).Velocity.x = min(particle(i).Velocity.x,VelMax.x);
       
       % Update Position ????
       particle(i).Position.x = particle(i).Position.x + particle(i).Velocity.x;
       
       % Velocity Mirroring ????
       OutOfTheRange=(particle(i).Position.x<VarMin.x | particle(i).Position.x>VarMax.x);
       particle(i).Velocity.x(OutOfTheRange)=-particle(i).Velocity.x(OutOfTheRange);
       
       % Update Position Bounds ??????
       particle(i).Position.x = max(particle(i).Position.x,VarMin.x);
       particle(i).Position.x = min(particle(i).Position.x,VarMax.x);
       
       % y Part Y???
       
       % Update Velocity   ????
       particle(i).Velocity.y = w*particle(i).Velocity.y ...
           + c1*rand(VarSize).*(particle(i).Best.Position.y-particle(i).Position.y) ...
           + c2*rand(VarSize).*(GlobalBest.Position.y-particle(i).Position.y);
       
       % Update Velocity Bounds ??????
       particle(i).Velocity.y = max(particle(i).Velocity.y,VelMin.y);
       particle(i).Velocity.y = min(particle(i).Velocity.y,VelMax.y);
       
       % Update Position   ????
       particle(i).Position.y = particle(i).Position.y + particle(i).Velocity.y;
       
       % Velocity Mirroring ????
       OutOfTheRange=(particle(i).Position.y<VarMin.y | particle(i).Position.y>VarMax.y);
       particle(i).Velocity.y(OutOfTheRange)=-particle(i).Velocity.y(OutOfTheRange);
       
       % Update Position Bounds ??????
       particle(i).Position.y = max(particle(i).Position.y,VarMin.y);
       particle(i).Position.y = min(particle(i).Position.y,VarMax.y);

% z Part  
       
       % Update Velocity   ????   rand(VarSize)????VarSize*VarSize???
       particle(i).Velocity.z = w*particle(i).Velocity.z ...
           + c1*rand(VarSize).*(particle(i).Best.Position.z-particle(i).Position.z) ...
           + c2*rand(VarSize).*(GlobalBest.Position.z-particle(i).Position.z);
       
       % Update Velocity Bounds ??????,?????,????????????
       particle(i).Velocity.z = max(particle(i).Velocity.z,VelMin.z);
       particle(i).Velocity.z = min(particle(i).Velocity.z,VelMax.z);
       
       % Update Position ????
       particle(i).Position.z = particle(i).Position.z + particle(i).Velocity.z;
       
       % Velocity Mirroring ????
       OutOfTheRange=(particle(i).Position.z<VarMin.z | particle(i).Position.z>VarMax.z);
       particle(i).Velocity.z(OutOfTheRange)=-particle(i).Velocity.z(OutOfTheRange);
       
       % Update Position Bounds ??????
       particle(i).Position.z = max(particle(i).Position.z,VarMin.z);
       particle(i).Position.z = min(particle(i).Position.z,VarMax.z);
       
       % Evaluation ????
      [particle(i).Cost, particle(i).Sol]=CostFunction(particle(i).Position);
       
       % Update Personal Best ????????
       if particle(i).Cost<particle(i).Best.Cost
           
           particle(i).Best.Position=particle(i).Position;
           particle(i).Best.Cost=particle(i).Cost;
           particle(i).Best.Sol=particle(i).Sol;
           
           % Update Global Best ????????
           if particle(i).Best.Cost<GlobalBest.Cost
               GlobalBest=particle(i).Best;
           end

       end
%CM
       cm = tan(pi*(rand(1)-0.5));
       particlenew(i).Position.x=particle(i).Position.x+cm*(particle(i).Position.x-GlobalBest.Position.x);
particlenew(i).Position.y=particle(i).Position.y+cm*(particle(i).Position.y-GlobalBest.Position.y);
particlenew(i).Position.z=particle(i).Position.z+cm*(particle(i).Position.z-GlobalBest.Position.z);
[particlenew(i).Cost, particlenew(i).Sol]=CostFunction(particlenew(i).Position);
       if particlenew(i).Cost < particle(i).Cost  
    particle(i).Position = particlenew(i).Position
end 
       
   end
   
   % Update Best Cost Ever Found ???????????
   BestCost(it)=GlobalBest.Cost;
   
   % Inertia Weight Damping ???????
   % w=w*wdamp;
   w=(wmax-wmin)*exp(-(((MaxIt-it)/MaxIt)*Lam)^2)+wmin;
   % Show Iteration Information ??????
   if GlobalBest.Sol.IsFeasible  %???????
       Flag=' *';
   else
       Flag=[', Violation = ' num2str(GlobalBest.Sol.Violation)];  %Violation   ?? ;num2str?????????,???????fprintf?disp??????
   end
   disp(['Iteration ' num2str(it)  ': Best Cost = ' num2str(BestCost(it)) Flag]);
   
   % Plot Solution
   figure(1);  %??????????
   PlotSolution(GlobalBest.Sol,model);
   pause(0.1);
   
end

%% Results ??

figure;
%plot(BestCost,'LineWidth',2);
plot(BestCost,'r--','LineWidth',2);
hold on;
%plot(BestCost2,'r--','linewidth',2)
xlabel('Iteration');
ylabel('Best Cost');
grid on;  %grid????????????,grid on?????,grid off?????

【路径规划】基于粒子群的三维无人机路径规划matlab源码

3 仿真结果

【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】基于粒子群的三维无人机路径规划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

4 参考文献

  1. O. Wilson, E., Sociobiology: The New Synthesis. 1976.

  2. J Matari’c, M. and A. *s, Interaction and Intelligent Behavior. 1999.

  3. Trelea, I.C., The particle swarm optimization algorithm: convergence analysis and parameter selection. Information Processing Letters, 2003. 85(6): p. 317-325.

  4. Kennedy, J. and R. Eberhart. Particle swarm optimization. in Proceedings of ICNN’95 - International Conference on Neural Networks. 1995.

  5. Zhan, Z., et al. Adaptive control of acceleration coefficients for particle swarm optimization based on clustering analysis. in 2007 IEEE Congress on Evolutionary Computation. 2007.

【路径规划】基于粒子群的三维无人机路径规划matlab源码

上一篇:spring boot 实例之 用户登录


下一篇:MySQL数据库提权(三)