11基于遗传算法的机器人路径规划MATLAB源代码【精品毕业设计】(完整版)

基于遗传算法的机器人路径规划MATLAB源代码基本思路是：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，利用最短路径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。上述算法使用了连接线中点的条件，因此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

% GreenSim团队——专业级算法设计&代写程序

% 欢迎访问GreenSim团队主页→/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

[L,R]=ZuiDuanLu(PD,s,t);

L1=L(end);

XY1=XY(R,5:6);

%% 绘制由最短路算法得到的最短路径figure(2);

PlotGraph;

hold on

for i=1:(length(R)-1)

x1=XY1(i,1);

y1=XY1(i,2);

x2=XY1(i+1,1);

y2=XY1(i+1,2);

plot([x1,x2],[y1,y2],'k');

hold on

end

title('由Dijkstra算法得到的初始路径')

%% 使用遗传算法进一步寻找最短路

%第一步：变量初始化

M=50;%进化代数设置

N=20;%种群规模设置

Pm=0.3;%变异概率设置

LC1=zeros(1,M);

LC2=zeros(1,M);

Yp=L1;

%第二步：随机产生初始种群

X1=XY(R,1);

Y1=XY(R,2);

X2=XY(R,3);

Y2=XY(R,4);

for i=1:N

farm{i}=rand(1,aaa);

end

% 以下是进化迭代过程

counter=0;%设置迭代计数器

while counter

%% 第三步：交叉

%交叉采用双亲双子单点交叉

newfarm=cell(1,2*N);%用于存储子代的细胞结构

Ser=randperm(N);%两两随机配对的配对表

A=farm{Ser(1)};%取出父代A

B=farm{Ser(2)};%取出父代B

P0=unidrnd(aaa-1);%随机选择交叉点

a=[A(:,1:P0),B(:,(P0+1):end)];%产生子代a

b=[B(:,1:P0),A(:,(P0+1):end)];%产生子代b

newfarm{2*N-1}=a;%加入子代种群

newfarm{2*N}=b;

for i=1:(N-1)

A=farm{Ser(i)};

B=farm{Ser(i+1)};

newfarm{2*i}=b;

end

FARM=[farm,newfarm];%新旧种群合并

%% 第四步：选择复制

SER=randperm(2*N);

FITNESS=zeros(1,2*N);

fitness=zeros(1,N);

for i=1:(2*N)

PP=FARM{i};

FITNESS(i)=MinFun(PP,X1,X2,Y1,Y2);%调用目标函数end

for i=1:N

f1=FITNESS(SER(2*i-1));

f2=FITNESS(SER(2*i));

if f1<=f2

else

farm{i}=FARM{SER(2*i)};

fitness(i)=FITNESS(SER(2*i));

end

end

%记录最佳个体和收敛曲线

minfitness=min(fitness);

meanfitness=mean(fitness);

if minfitness

pos=find(fitness==minfitness);

Xp=farm{pos(1)};

Yp=minfitness;

end

if counter==10