路徑規(guī)劃算法：基于灰狼優(yōu)化的路徑規(guī)劃算法- 附代碼

摘要：本文主要介紹利用智能優(yōu)化算法灰狼算法來進行路徑規(guī)劃。

1.算法原理

灰狼算法具體原理請參照：https://blog.csdn.net/u011835903/article/details/107716390

1.1 環(huán)境設定

在移動機器人的路徑優(yōu)化中，每個優(yōu)化算法的解代表機器人的一條運動路徑。優(yōu)化算法會通過優(yōu)化計算在眾多路徑中找出一條最優(yōu)路徑。
優(yōu)化算法的設定必須和機器人運動環(huán)境模型相對應。不失一般性，假設在用柵格法對機器人運動環(huán)境建模后得出的結果是 m×n 的矩形區(qū)域，坐標值從 1 開始，如圖1 。其中坐標原點柵格代表機器人的初始位置，坐標 （m，n)對應的柵格代表機器人的移動目標位置。優(yōu)化算法設定的一個重要內(nèi)容是確定優(yōu)化算法的數(shù)學表達形式，在這里這個問題轉化為用一個向量表示機器人的移動路徑。經(jīng)過分析發(fā)現(xiàn)，盡管柵格法建立的模型對空間進行了離散化，但本質(zhì)上機器人的移動路徑依然是連續(xù)的。

圖1.柵格地圖

1.2 約束條件

對于機器人的路徑優(yōu)化來說，其運動路徑必須局限在柵格空間內(nèi)，即搜索不能越過柵格的矩形邊界。此外，還應受障礙物的限制，即機器人的運動軌跡不能穿過存在障礙物的柵格區(qū)域。

1.3 適應度函數(shù)

在本文的建模方法中，本文路徑規(guī)劃目標是路徑長度最短。路徑的長度可以表示為:

$$L(Path)=\sum _{i=0}^{n?1}\sqrt{(x{l}_{i+1}?x{l}_i{)}^2+(y{l}_{i+1}?y{l}_i{)}^2}\text{\hspace{1em}(1)}$$
其中(x,y)是路徑中間點的坐標

利用灰狼算法對上式進行尋優(yōu)，找到最短路徑?；依撬惴▍?shù)設定如下：

%% 灰狼算法參數(shù)設置
dim=length(noLM);%維度，即為非障礙物個數(shù)。
numLM0=round((EndPoint(1)-StartPoint(1))/4);%每次迭代選取的的中間路徑點個數(shù)，可調(diào)
lb=0;%下邊界
ub=1;%上邊界
Max_iteration = 100;%最大迭代次數(shù)
SearchAgents_no = 30;%種群數(shù)量
fobj = @(x)fun(x,noS,noE,numLM0,net);%適應度函數(shù)

2.算法結果

3.MATLAB代碼

本程序中，支持1.地圖任意創(chuàng)建保存。2.其實點任意更改。

4.參考文獻

[1]羅陽陽,彭曉燕.基于改進PSO的四輪移動機器人全局路徑規(guī)劃[J].計算機仿真,2020,37(07):373-379.

[2]魯?shù)? 粒子群算法在移動機器人路徑規(guī)劃中的應用研究[D].武漢科技大學,2009.

-379.

[2]魯?shù)? 粒子群算法在移動機器人路徑規(guī)劃中的應用研究[D].武漢科技大學,2009.