1 简介

针对经典人工蜂群算法在机器人路径规划中易于陷入局部极值,且寻优过程收敛速度较慢等问题,提出了一种基于粒子群改进人工蜂群算法.通过设计变异算子来增大极值在陷入局部最优时的跳出概率,提高机器人路径规划的收敛能力.实验结果表明,文中方法能有效避免路径规划中的局部极值,减少机器人路径规划时间损耗,提高了路径规划效率.

2 部分代码

function Plotting(sol,model)    xs=model.xs;    ys=model.ys;    xt=model.xt;    yt=model.yt;    xobs=model.xobs;    yobs=model.yobs;    robs=model.robs;    XS=sol.XS;    YS=sol.YS;    xx=sol.xx;    yy=sol.yy;    theta=(1/24:1/12:1)'*2*pi;    for k=1:numel(xobs)        fill(xobs(k)+robs(k)*cos(theta),yobs(k)+robs(k)*sin(theta),[0.9 0.2 0.7]);        hold on;    end % figure;    plot(xx,yy,'g','LineWidth',2);    plot(XS,YS,'ro');    plot(xs,ys,'yo','MarkerSize',14,'MarkerFaceColor','b');    plot(xt,yt,'bh','MarkerSize',14,'MarkerFaceColor','r');    hold off;    grid on;    axis equal;end

3 仿真结果

4 参考文献

[1]邓星, 张竞丹, 邵海见,等. 基于改进人工蜂群进化算法的移动机器人路径规划与仿真分析[J]. 江苏科技大学学报:自然科学版, 2020.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。