% 功能：mclust_ga_basic 计算多个簇的最大 % 距离之和的最小值
。本质上，它是一个聚类工具 ，可最小化每个簇与该簇
最远成员之间的最大距离 。
遗传算法最小化每个质心（聚类中心）的最大
％距离之和，然后计算
从每个质心到每个质心的％TSP距离。
% 输入：
% 种群大小和迭代
% xy 坐标
% 无人机速度作为飞艇速度的一个因素
% 无人机范围
% 输出：
% 质心数量
% xy 坐标到质心的分配
%（注意一个或多个坐标将成为质心）
% GA 使用的是一种锦标赛方法突变型遗传算法。
% 初始化：
% (1) 计算每个 xy 坐标到每隔一个 xy
% 坐标的距离作为距离矩阵 dmat。
% Body:
% (1) 随机生成群体
% (2) 找出所有人口的最小成本（试验）；保留最好的流行成员和情节。
% (3) 随机播放新锦标赛
% (4) 将子组分成 4 组。
% 找出 4 组中最好的；覆盖子组流行中 4 个中最差的
% (5) 对每个子组中 4 个中最好的（获胜者）进行突变
% (6) 将 4 个中最好的（获胜者）和所有突变插入群体中
% (7) 如果仍有迭代预算，则转至步骤2，否则终止。
% 终止：基于迭代预算。
%
% 输入示例：
% nStops=30；% 飞艇无人机的投递站点数量
% popSize = 500; 试验总体规模的百分比。
% 数量 = 2500; % GA的迭代次数；迭代预算。
%阿尔法 = 2; % 无人机速度作为飞艇的一个因素
% 范围 = 10；% 无人机航程（即10公里）
% xy=50*rand([nStops,2]);
% bdtsp_ga_basic(popSize, numIter, xy, alpha, 范围)
优化中心辐射（中心数量、动态中心位置）以实现飞艇无人机交付.zip
版权申诉
196 浏览量
2023-08-31
20:30:13
上传
评论
收藏 154KB ZIP 举报
优化中心辐射（中心数量、动态中心位置）以实现飞艇无人机交付.zip （5个子文件） 
优化中心辐射（中心数量、动态中心位置）以实现飞艇无人机交付 
说明.txt 2KB
main.m 400B
1.png 81KB 11.png 81KB bdtsp_ga_basic.m 7KB资源评论
