matlab免疫算法实现路径规划避开障碍物

2023-12-06 23:10

本文主要是介绍matlab免疫算法实现路径规划避开障碍物,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!

1、内容简介

免疫算法实现路径规划避开障碍物

650-可以交流、咨询、答疑

2、内容说明

免疫算法的思想来自模拟人体的免疫系统。免疫系统是人体抵抗细菌、病毒和其它致病因子入侵的基本防御系统。免疫系统通过一套复杂的机制来重组基因,以产生抗体对付入侵的抗原,达到消灭抗原的目的。为了有效地提供防御功能,免疫系统必须进行模式识别,把自身的分子和细胞与抗原区分开来。除了具有识别能力之外,免疫系统与其它低级生物防御系统的区别在于它能够学习,并且有记忆能力。正是因为拥有上述特点,免疫系统对同一抗原的防御反应,第二次比第一次来得更快、更强烈。免疫算法模仿了人体的免疫系统,并从体细胞理论和网络理论中得到启发,实现了类似于免疫系统的自我调节功能和生抗体的功能。

3、仿真分析

clc
close all
clear
rng defaultobstacle_x = [-3.448,-4.05, -8,-9.531,-11.5];
% obstacle_y = [0.728,1.11, 1.678,2.184,2.31];
obstacle_y = [0.428,1.11, 1.508,2.184,2.31];
obstacle = [obstacle_x obstacle_y];
target_x = [0 -12.829]; % 两个目标站点的横坐标
target_y = [0 2.707];   % 两个目标站点的纵坐标
target = [target_x target_y];
% dist = distance(point, target, obstacle)
% 目标函数 point为优化的点坐标,target为两个站台位置,obstacle为障碍物固定的位置
point = length(obstacle_x)+1;D=point*2;                                %免疫个体维数
NP=300;                                   %免疫个体数目
Xs=3;                                     %取值上限
Xx=-13;                                   %取值下限
G=500;                                    %最大免疫代数
pm=0.5;                                   %变异概率
alfa=2;                                   %激励度系数
belta=1;                                  %激励度系数   
detas=0.5;                                %相似度阈值
gen=0;                                    %免疫代数
Ncl=20;                                   %克隆个数
deta0=-5.5;                               %邻域范围初值%%%%%%%%%%%%%%%%%%%%%%%初始种群%%%%%%%%%%%%%%%%%%%%%%%%
% f1=rand(D/2,NP)*(Xs-Xx)+Xx;
% Xs = 3;
% Xx = 0;
% f2=rand(D/2,NP)*(Xs-Xx)+Xx;
% f = [f1;f2];f=rand(D,NP)*(Xs-Xx)+Xx;
for np=1:NPMSLL(np) = distance(f(:,np), target, obstacle); 
end
%%%%%%%%%%%%%%%%%计算个体浓度和激励度%%%%%%%%%%%%%%%%%%%
for np=1:NPfor j=1:NP     nd(j) = sum(sqrt((f(:,np)-f(:,j)).^2));if nd(j)<detasnd(j)=1;elsend(j)=0;endendND(np)=sum(nd)/NP;
end
MSLL =  alfa*MSLL - belta*ND;

4、参考论文

这篇关于matlab免疫算法实现路径规划避开障碍物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/463692

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

hdu2544(单源最短路径)

模板题: //题意:求1到n的最短路径,模板题#include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<queue>#include<set>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#i

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

动态规划---打家劫舍

题目: 你是一个专业的小偷,计划偷窃沿街的房屋。每间房内都藏有一定的现金,影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被小偷闯入,系统会自动报警。 给定一个代表每个房屋存放金额的非负整数数组,计算你 不触动警报装置的情况下 ,一夜之内能够偷窃到的最高金额。 思路: 动态规划五部曲: 1.确定dp数组及含义 dp数组是一维数组,dp[i]代表

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi