基于粒子群算法的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

无人机作为侦察和作战的重要手段,重要的是保证侦察目标的准确性,对任务/航迹规划系统是无人机实现自主飞行和自主攻击的关键技术.在给出无人机航迹规划问题描述的基础上,提出一种基于粒子群优化算法的无人机航迹规划方法,利用粒子群优化算法,将约束条件和搜索算法相结合,从而有效减小搜索空间,得到一条全局最优路径并进行仿真.仿真结果表明,规划方法能够快速有效地完成规划任务,获得满意的航迹,满足无人机作战要求,具有重要的现实意义.

⛄ 部分代码

clear all

clc

close all

%     for o=1:4

tic

%         for u=1:50

%% 设置各参数值

startX=0;startY=0;                            %起开始坐标

endX=700;endY=700;                            %结束坐标

c1=2;

c2=2;                     %学习因子

w=0.7;  %惯性权数

pop=20;               %粒子数

N_gen=500;

popmax=700;

popmin=0;              %位置范围，根据测试函数而定

Vmax=20;

Vmin=-20;                 %速度范围，根据测试函数而定

gridCount=30;

%% 生成山峰

threat=[304 400 0;404 320 0;440 500 0;279 310 0;560 220 0;172 527 0;....

    194 220 0;272 522 0;350 200 0;....

    650 400 0;740 250 0;540 375 0;510 600 0];

r=[45 50 55 10 70 65 55 25 50 30 40 40 35];

text(position(1,1)',position(1,2)','S');

text(position(gridCount+1,1)',position(gridCount+1,2)','T');

figure(2)

plot(Fmin);

% title(['最佳个体适应度变化趋势,最佳适应值=' num2str(BestFitness)])

title(['最后适应值 =' num2str(min(Fmin))]);

xlabel('迭代次数')

ylabel('适应度值')

%% 分析结果

% plot(yy);

% title(['适应度曲线    最优适应度值：' num2str(yy(500))]);

% xlabel('进化次数');

% ylabel('适应度');

⛄ 运行结果

⛄ 参考文献

❤️ 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