蚁群算法在最短路中应用.docVIP

下面的程序是蚁群算法在最短路中的应用，稍加扩展即可应用于机器人路径规划 function [ROUTES,PL,Tau]=ACASP(G,Tau,K,M,S,E,Alpha,Beta,Rho,Q)%% ---------------------------------------------------------------%? ACASP.m%? 蚁群算法动态寻路算法%? ChengAihua,PLA Information Engineering University,ZhengZhou,China%? Email:aihuacheng@%? All rights reserved%% ---------------------------------------------------------------%? 输入参数列表%? G??????? 地形图为01矩阵，如果为1表示障碍物%? Tau????? 初始信息素矩阵（认为前面的觅食活动中有残留的信息素）%? K??????? 迭代次数（指蚂蚁出动多少波）%? M??????? 蚂蚁个数（每一波蚂蚁有多少个）%? S??????? 起始点（最短路径的起始点）%? E??????? 终止点（最短路径的目的点）%? Alpha??? 表征信息素重要程度的参数%? Beta???? 表征启发式因子重要程度的参数%? Rho????? 信息素蒸发系数%? Q??????? 信息素增加强度系数%%? 输出参数列表%? ROUTES?? 每一代的每一只蚂蚁的爬行路线%? PL?????? 每一代的每一只蚂蚁的爬行路线长度%? Tau????? 输出动态修正过的信息素 %% --------------------变量初始化----------------------------------%loadD=G2D(G);N=size(D,1);%N表示问题的规模（象素个数）MM=size(G,1);a=1;%小方格象素的边长Ex=a*(mod(E,MM)-0.5);%终止点横坐标if Ex==-0.5??? Ex=MM-0.5;endEy=a*(MM+0.5-ceil(E/MM));%终止点纵坐标Eta=zeros(1,N);%启发式信息，取为至目标点的直线距离的倒数%下面构造启发式信息矩阵for i=1:N????if ix==-0.5??????? ix=MM-0.5;??? end??? iy=a*(MM+0.5-ceil(i/MM));?????? if i~=E??????? Eta(1,i)=1/((ix-Ex)^2+(iy-Ey)^2)^0.5;??? else??????? Eta(1,i)=100;??? endendROUTES=cell(K,M);%用细胞结构存储每一代的每一只蚂蚁的爬行路线PL=zeros(K,M);%用矩阵存储每一代的每一只蚂蚁的爬行路线长度%% -----------启动K轮蚂蚁觅食活动，每轮派出M只蚂蚁--------------------for k=1:K??? disp(k);??? for m=1:M%%???? 第一步：状态初始化??????? W=S;%当前节点初始化为起始点??????? Path=S;%爬行路线初始化??????? PLkm=0;%爬行路线长度初始化??????? TABUkm=ones(1,N);%禁忌表初始化??????? TABUkm(S)=0;%已经在初始点了，因此要排除??????? DD=D;%邻接矩阵初始化%%???? 第二步：下一步可以前往的节点??????? DW=DD(W,:);??????? DW1=find(DW??????? for j=1:length(DW1)??????????? if TABUkm(DW1(j))==0??????????????? DW(j)=inf;??????????? end??????? end??????? LJD=find(DW??????? Len_LJD=length(LJD);%可选节点的个数%%???? 觅食停止条件：蚂蚁未遇到食物或者陷入死胡同??????? while W~=ELen_LJD=1%%???????? 第三步：转轮赌法选择下一步怎么走??????????? PP=zeros(1,Len_LJD);??????????? for i=1:Len_LJD??????????????? PP(i)=(Tau(W,LJD(i))^Alpha)*(Eta(LJD(i))^B