基于粒子群算法的迷宫路径搜索问题研究.pdfVIP

基于粒子群算法的迷宫路径搜索问题研究 刘 烽一 摘 要 ：粒子群算法是一种很好的优化工具 ，提 出了针对迷宫 问题求解的粒子群编码和种群进化 规则。通过对一个具体实例的求解，说 明粒子群算法对于求解迷宫问题具 良好的效果。 关键词：粒子群算法；迷宫问题 ；路径搜索 “= + f (2) 1 引言 其 中， 是粒子 的速度 ， 是 当前粒子的位置。C和 c。 迷宫问题如图 l所示是实验心理学中一个古典问题 ，以 为学 习因子 ，gO为惯性系数 。 m n的长方阵表示迷宫，0和 1分别表示迷宫中的通路和障 2 设计思路 碍 ，给定迷宫的入 口和 出口。要求求 出迷宫入 口到出口有无通 路 ，若有通路则指 出其 中一条通路和路径 。迷官问题是典型的 2．1 粒子编码 图搜索 问题 。解决方法通常有启发式搜索和 A 算法 ，鉴于粒 PSO算法一般采用实数编码 ，对于图 1的迷宫，从入 口到 子群算法 (ParticleSwarmOptimization，PSO)良好的优化能力 ， 出口的路径共有 4个方 向可选择 ：向上 、向下、向左 、向右 。 下文尝试利用粒子群算法求解迷宫问题 。 那么用 1，2，3，4分别代表 ，上 、下、左、右4个方 向，假 设有随机数P，若 P∈ [1，2]，则选择向上方向运动，依次类 推 。那么，粒子 的位置 代表入 口向出口的一条路径 (不一 定是通路)，例如有粒子particle=[3．1,3．5，2．4，3．2，…】，这条路 径为向左一向左一向下一向左等。 出 口 2_2 适应值的计算 适应值 的计算可参考曼哈顿算法 。即当前位置距 出口距离 1 的倒 数 ，具体 计 算 方 法 为 FitScore= _ ，其 中 Dis=abs l}lS 入 口 (DestinationX—CurrentX)+abs(DestinotionY—Currenty)+J(距离 的基数为 1)，由于到达终点时，距出口的距离为 0，适应度值 为最大值 1。因此，在整个搜索过程中，粒子的搜索 目标始终 图 1 迷宫问题 朝着适应度为 1的方 向搜索 。 在 PSO 中，每个优化 问题 的解都是搜索空间中的一只 2．3 种群初始化 鸟，称之为 “粒子”。所有粒子都有一个 由被优化的函数决定 粒子 的初速度设为 O．每个个体局部极值 pBest的初值设 的适应值 ．每个