1 简介
针对无人机在飞行过程中易受复杂环境与地形信息、确定的和不确定的威胁区等因素影响的情况,为保障无人机的飞行安全,对无人机的路径规划问题进行研究.首先通过栅格化的方法对无人机的飞行环境进行三维建模,并以最短路径为目标,采用蚁群算法,为无人规划出一条安全、最优的飞行路径.最后,采用仿真的方式进行验证,结果表明,与传统算法相比该算法规划出的飞行路径更优,运算时间更短.
2 部分代码
clear all
clc
h=[1801 2201 1901 2401 2301 2101 2501 2401 2701 2601 2901
1601 2010 2010 2601 2901 2010 2010 2501 2701 3010 2801
2101 1901 2010 1901 1701 2010 2010 2010 2010 2501 2901
1701 2010 2010 2010 1801 2010 2201 2010 2010 2010 2801
2201 1801 2010 3101 2301 2401 1801 3101 3201 2301 2010
1901 2101 2201 3010 2301 3010 3501 3101 2301 2601 2501
1701 1401 2301 2901 2401 2801 1801 3501 2601 2010 3201
2301 2501 2401 3101 3010 2601 3010 2301 3010 2501 2701
2010 2201 2101 2010 2201 3010 2301 2501 2401 2010 2301
2301 2201 2010 2301 2201 2201 2201 2501 2010 2801 2701
2010 2301 2501 2201 2201 2010 2301 2601 2010 2501 2010];
h=h-1401;
for i=1:11
for j=1:11
h1(2*i-1,j)=h(i,j);
end
end
for i=1:10
for j=1:11
h1(2*i,j)=(h1(2*i-1,j)+h1(2*i+1,j))/2;
end
end
for i=1:21
for j=1:11
h2(i,2*j-1)=h1(i,j);
end
end
for i=1:21
for j=1:10
h2(i,2*j)=(h2(i,2*j-1)+h2(i,2*j+1))/2;
end
end
z=h2; %初始地形
x=1:21;
y=1:21;
[x1,y1]=meshgrid(x,y);
figure(1)
mesh(x1,y1,z)
axis([1,21,1,21,0,2010])
xlabel('km')
ylabel('km')
zlabel('m')
for i=1:21
information(i,:,:)=ones(21,21); %初始信息素
end
%起点坐标
starty=10;
starth=3;
%终点坐标
endy=8;
endh=5;
for i=2:m-1
information(k,bestpath(i*2-1),bestpath(i*2))=(1-rou)*information(k,bestpath(i*2-1),bestpath(i*2))+rou*cfit;
end
end
for i=1:21
a(i,1)=bestpath(i*2-1);
a(i,2)=bestpath(i*2);
end
% 绘制结果图形
figure(2)
plot(Best)
title('最佳个体适应度变化趋势')
xlabel('迭代次数')
ylabel('适应度值')
k=1:21
x=1:21;
y=1:21;
[x1,y1]=meshgrid(x,y);
figure(3)
mesh(x1,y1,z);
hold on
plot3(k',a(:,1)',a(:,2)'*201,'p--')
axis([1,21,1,21,0,2010])
3 仿真结果
4 参考文献
[1]焦阳. "基于改进蚁群算法的无人机三维路径规划研究." 舰船电子工程 039.003(2019):41-45.
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，有科研问题可私信交流。**部分理论引用网络文献，若有侵权联系博主删除。**
