遗传算法求解垂直泊车过程,代码不能用,那位大神给改正一下。

本文主要是介绍遗传算法求解垂直泊车过程,代码不能用,那位大神给改正一下。,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

%% 清除变量
clear,clc
%% 参数
hm=2750; %轴距
h=4667;
w=1839; %车长h、宽w;
hr=(h-hm)/2; %后悬
hf=hr; %前悬
a=400;
b=8000; %通车道宽度
c=500;
x0=-2000;
%% 获得起始点坐标
prompt={‘X(4000-8000):’,‘Y(8000-11000):’};
name=‘输入起始点’;
numline=1;
answer=inputdlg(prompt,name,numline);
x=str2double(answer(1));
y=str2double(answer(2));
% x=9250;y=12033;
%x=4197;y=7931;

%% 遗传算法参数 决策变量是转向角度
T=100; %进化代数 100-500
M=20; %初始种群大小
Pc=0.7; %交叉概率 0.4-0.9
Pm=0.01; %变异概率 0.001-0.1
bound=[3785 10000]; %变量范围(单位:毫米)
%% 个体初始化
individuals=struct(‘fitness’,zeros(1,M), ‘chrom’,[]); %种群结构体
avgfitness=[]; %种群平均适应度
bestfitness=[]; %种群最佳适应度
bestchrom=[]; %适应度最好染色体
% 初始化种群
for i=1:M
individuals.chrom(i)=bound(1)+(bound(2)-bound(1))*rand(1); %随机产生个体
individuals.fitness(i)=fitfun(x,y,individuals.chrom(i)); %个体适应度
end
%找到最好的个体
[bestfitness, bestindex]=min(individuals.fitness);
bestchrom=individuals.chrom(bestindex); %最好的染色体
avgfitness=sum(individuals.fitness)/M; %染色体的平均适应度
% 记录每一代进化中最好的适应度和平均适应度
trace=[];
%% 进化开始
for i=1:T
%选择操作
individuals=Select(individuals,M);
avgfitness=sum(individuals.fitness)/M;
% 交叉操作
individuals.chrom=Cross(Pc,individuals.chrom,M,bound);
% 变异操作
individuals.chrom=Mutation(Pm,individuals.chrom,M,[i T],bound);
% 计算适应度
for j=1:M
individuals.fitness(j)=fitfun(x,y,individuals.chrom(j));
end
%找到最小和最大适应度的染色体及它们在种群中的位置
[newbestfitness,newbestindex]=min(individuals.fitness);
[worestfitness,worestindex]=max(individuals.fitness);
individuals.chrom(worestindex)=bestchrom;
individuals.fitness(worestindex)=bestfitness;
% 代替上一次进化中最好的染色体
if bestfitness>newbestfitness
bestfitness=newbestfitness;
bestchrom=individuals.chrom(newbestindex);
end
avgfitness=sum(individuals.fitness)/M;
trace=[trace;avgfitness bestfitness];
%记录每一代进化中最好的适应度和平均适应度
end
%进化结束

%% 结果显示
figure
[r,lc]=size(trace);
plot(1:r,trace(:,1),‘r-’,1:r,trace(:,2),‘b–’);
title(['函数值曲线 ’ ‘终止代数=’ num2str(T)],‘fontsize’,12);
xlabel(‘进化代数’,‘fontsize’,12);
ylabel(‘函数值’,‘fontsize’,12);
legend(‘各代平均值’,‘各代最佳值’,‘fontsize’,12);
grid on
%窗口显示
disp(‘相关信息:’);
disp(‘最短距离’);
disp([bestfitness]);
disp(‘前轮转向角度’);
disp(atan(bestchrom));
disp(‘车速(km/h)’);
disp(6);

%% 画出最优路径
figure
% 车的周围环境
plot(x0:0,6000,‘k.’,‘MarkerSize’,10);hold on
plot(0:2500,0,‘k.’,‘MarkerSize’,10);hold on
plot(0,0:6000,‘k.’,‘MarkerSize’,10);hold on
plot(2500,0:6000,‘k.’,‘MarkerSize’,10);hold on
plot(2500:10000,6000,‘k.’,‘MarkerSize’,10);hold on
plot(x0:10000,14000,‘k.’,‘MarkerSize’,10);hold on

%圆心坐标
O(1)=x;
O(2)=y-bestchrom;
t=linspace(0,0.5pi,1500);
%后轴中心轨迹
xx=O(1)-bestchrom
cos(t);
yy=O(2)+bestchrom*sin(t);
if xx(1)<w/2
xx=xx+800;
else if xx(1)>2500-w/2
xx=xx-800;
end
end
plot(xx,yy,‘r’);axis equal;hold on
%直行路径
plot(xx(1),c:yy(3),‘r’)
plot(xx(1),c,‘r.’,‘MarkerSize’,10)
ylim([-2000 15000])

适应度函数
function [ fit ] = fitfun( x,y,R )
%计算适应度函数
%对于不符合约束的根据罚函数法,增加其路径长度

%% 参数
hm=2750; %轴距
h=4667;
w=1839; %车长h、宽w;
hr=(h-hm)/2; %后悬
hf=hr; %前悬
a=400;
b=8000; %通车道宽度
c=300;
K=5000000;
x0=-2000;
% Rmin=3785; %车辆最小转弯半径

%% 各点轨迹方程
%圆心坐标
O(1)=x;
O(2)=y-R;
t=linspace(0,0.5pi,1500);
%后轴中心轨迹
xx=O(1)-R
cos(t);
yy=O(2)+Rsin(t);
k1=find(yy(1)>6000,1); %未到达车库
k2=find(xx(1)<w/2+1000,1);
Rx=R-w/2;
xx1=O(1)-Rx
cos(t);
yy1=O(2)+Rxsin(t);
d=sqrt((xx1-2500).2+(yy1-6000).2);
k3=find(d<50,1); %撞上车库右墙壁
%后左轮轨迹
Rx1=sqrt(hr2+(R+w/2)2);
Eta=asin(hr/Rx1);
xx2=O(1)-Rx1
cos(t-Eta);
%yy2=O(2)+Rx1sin(t-Eta);
k4=find(xx2<50, 1); %撞上车库左璧
if isempty(k1)&&isempty(k2)&&isempty(k3)&&isempty(k4) %满足约束条件
fit=0.5
Rpi;
else
fit=0.5
R*pi+K;
end
fit=fit+yy(1)-c;
%plot(xx,yy);axis equal;hold on
End

欢迎使用Markdown编辑器

你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。

新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客:

  1. 全新的界面设计 ,将会带来全新的写作体验;
  2. 在创作中心设置你喜爱的代码高亮样式,Markdown 将代码片显示选择的高亮样式 进行展示;
  3. 增加了 图片拖拽 功能,你可以将本地的图片直接拖拽到编辑区域直接展示;
  4. 全新的 KaTeX数学公式 语法;
  5. 增加了支持甘特图的mermaid语法1 功能;
  6. 增加了 多屏幕编辑 Markdown文章功能;
  7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能,功能按钮位于编辑区域与预览区域中间;
  8. 增加了 检查列表 功能。

功能快捷键

撤销:Ctrl/Command + Z
重做:Ctrl/Command + Y
加粗:Ctrl/Command + B
斜体:Ctrl/Command + I
标题:Ctrl/Command + Shift + H
无序列表:Ctrl/Command + Shift + U
有序列表:Ctrl/Command + Shift + O
检查列表:Ctrl/Command + Shift + C
插入代码:Ctrl/Command + Shift + K
插入链接:Ctrl/Command + Shift + L
插入图片:Ctrl/Command + Shift + G

合理的创建标题,有助于目录的生成

直接输入1次#,并按下space后,将生成1级标题。
输入2次#,并按下space后,将生成2级标题。
以此类推,我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H2O is是液体。

210 运算结果是 1024.

插入链接与图片

链接: link.

图片: Alt

带尺寸的图片: Alt

居中的图片: Alt

居中并且带尺寸的图片: Alt

当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面,选择一款你喜欢的代码片高亮样式,下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

  • 项目
    • 项目
      • 项目
  1. 项目1
  2. 项目2
  3. 项目3
  • 计划任务
  • 完成任务

创建一个表格

一个简单的表格是这么创建的:

项目Value
电脑$1600
手机$12
导管$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列第二列第三列
第一列文本居中第二列文本居右第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如:

TYPEASCIIHTML
Single backticks'Isn't this fun?'‘Isn’t this fun?’
Quotes"Isn't this fun?"“Isn’t this fun?”
Dashes-- is en-dash, --- is em-dash– is en-dash, — is em-dash

创建一个自定义列表

Markdown
Text-to- HTML conversion tool
Authors
John
Luke

如何创建一个注脚

一个具有注脚的文本。2

注释也是必不可少的

Markdown将文本转换为 HTML

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n1)!nN 是通过欧拉积分

Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t &ThinSpace; . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=0tz1etdt.

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能,丰富你的文章

Mon 06 Mon 13 Mon 20 已完成 进行中 计划一 计划二 现有任务 Adding GANTT diagram functionality to mermaid
  • 关于 甘特图 语法,参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图::

张三 李四 王五 你好!李四, 最近怎么样? 你最近怎么样,王五? 我很好,谢谢! 我很好,谢谢! 李四想了很长时间, 文字太长了 不适合放在一行. 打量着王五... 很好... 王五, 你怎么样? 张三 李四 王五

这将产生一个流程图。:

链接
长方形
圆角长方形
菱形
  • 关于 Mermaid 语法,参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图:

Created with Raphaël 2.2.0 开始 我的操作 确认? 结束 yes no
  • 关于 Flowchart流程图 语法,参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ,生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件或者.html文件,在上方工具栏可以选择导入功能进行对应扩展名的文件导入,
继续你的创作。


  1. mermaid语法说明 ↩︎

  2. 注脚的解释 ↩︎

这篇关于遗传算法求解垂直泊车过程,代码不能用,那位大神给改正一下。的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/250449

相关文章

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程,特意画了如下的类图,包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口,接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti

作业提交过程之HDFSMapReduce

作业提交全过程详解 (1)作业提交 第1步:Client调用job.waitForCompletion方法,向整个集群提交MapReduce作业。 第2步:Client向RM申请一个作业id。 第3步:RM给Client返回该job资源的提交路径和作业id。 第4步:Client提交jar包、切片信息和配置文件到指定的资源提交路径。 第5步:Client提交完资源后,向RM申请运行MrAp

活用c4d官方开发文档查询代码

当你问AI助手比如豆包,如何用python禁止掉xpresso标签时候,它会提示到 这时候要用到两个东西。https://developers.maxon.net/论坛搜索和开发文档 比如这里我就在官方找到正确的id描述 然后我就把参数标签换过来

poj 1258 Agri-Net(最小生成树模板代码)

感觉用这题来当模板更适合。 题意就是给你邻接矩阵求最小生成树啦。~ prim代码:效率很高。172k...0ms。 #include<stdio.h>#include<algorithm>using namespace std;const int MaxN = 101;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int n

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

计算机毕业设计 大学志愿填报系统 Java+SpringBoot+Vue 前后端分离 文档报告 代码讲解 安装调试

🍊作者:计算机编程-吉哥 🍊简介:专业从事JavaWeb程序开发,微信小程序开发,定制化项目、 源码、代码讲解、文档撰写、ppt制作。做自己喜欢的事,生活就是快乐的。 🍊心愿:点赞 👍 收藏 ⭐评论 📝 🍅 文末获取源码联系 👇🏻 精彩专栏推荐订阅 👇🏻 不然下次找不到哟~Java毕业设计项目~热门选题推荐《1000套》 目录 1.技术选型 2.开发工具 3.功能

代码随想录冲冲冲 Day39 动态规划Part7

198. 打家劫舍 dp数组的意义是在第i位的时候偷的最大钱数是多少 如果nums的size为0 总价值当然就是0 如果nums的size为1 总价值是nums[0] 遍历顺序就是从小到大遍历 之后是递推公式 对于dp[i]的最大价值来说有两种可能 1.偷第i个 那么最大价值就是dp[i-2]+nums[i] 2.不偷第i个 那么价值就是dp[i-1] 之后取这两个的最大值就是d

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

D4代码AC集

贪心问题解决的步骤: (局部贪心能导致全局贪心)    1.确定贪心策略    2.验证贪心策略是否正确 排队接水 #include<bits/stdc++.h>using namespace std;int main(){int w,n,a[32000];cin>>w>>n;for(int i=1;i<=n;i++){cin>>a[i];}sort(a+1,a+n+1);int i=1

Solr 使用Facet分组过程中与分词的矛盾解决办法

对于一般查询而言  ,  分词和存储都是必要的  .  比如  CPU  类型  ”Intel  酷睿  2  双核  P7570”,  拆分成  ”Intel”,”  酷睿  ”,”P7570”  这样一些关键字并分别索引  ,  可能提供更好的搜索体验  .  但是如果将  CPU  作为 Facet  字段  ,  最好不进行分词  .  这样就造成了矛盾  ,  解决方法