基于遗传算法的机器人路径规划 MATLAB 源码
算法的思路如下:取各障碍物顶点连线的中点为路径点,相互连接各路径点,将机器人移动的起点和终点
限制在各路径点上,利用 Dijkstra 算法来求网络图的最短路径,找到从起点 P1 到终点 Pn 的最短路径,由
于上述算法使用了连接线中点的条件,不是整个规划空间的最优路径,然后利用遗传算法对找到的最短路
径各个路径点 Pi (i=1,2,…n)调整,让各路径点在相应障碍物端点连线上滑动,利用 Pi= Pi1+ti×
(Pi2-Pi1)(ti∈[0,1] i=1,2,…n)即可确定相应的 Pi,即为新的路径点,连接此路径点为最优路径。
function [L1,XY1,L2,XY2]=JQRLJGH(XX,YY)
%% 基于 Dijkstra 和遗传算法的机器人路径规划演示程序
% GreenSim 团队原创作品,转载请注明
% GreenSim 团队长期从事算法设计、代写程序等业务
% 欢迎访问 GreenSim——算法仿真团队→http://blog.sina.com.cn/greensim
%输入参数在函数体内部定义
%输出参数为
% L1 由 Dijkstra 算法得出的最短路径长度
% XY1 由 Dijkstra 算法得出的最短路径经过节点的坐标
% L2 由遗传算法得出的最短路径长度
% XY2 由遗传算法得出的最短路径经过节点的坐标
%程序输出的图片有
% Fig1 环境地图(包括:边界、障碍物、障碍物顶点之间的连线、Dijkstra 的网络图结构)
% Fig2 由 Dijkstra 算法得到的最短路径
% Fig3 由遗传算法得到的最短路径
% Fig4 遗传算法的收敛曲线(迄今为止找到的最优解、种群平均适应值)
%% 画 Fig1
figure(1);
PlotGraph;
title('地形图及网络拓扑结构')
PD=inf*ones(26,26);
for i=1:26
for j=1:26
if D(i,j)==1
x1=XY(i,5);
y1=XY(i,6);
x2=XY(j,5);
y2=XY(j,6);
dist=((x1-x2)^2+(y1-y2)^2)^0.5;
PD(i,j)=dist;
end
end
end
%% 调用最短路算法求最短路
s=1;%出发点
t=26;%目标点