资源描述：
《11基于遗传算法的机器人路径规划matlab源代码》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、欢迎访问GreenSim团队主页→http://blog.sina.com.cn/greensim邮箱：greensim@163.com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
2、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→http://blog.sina.com.cn/greensim%输入参数在函数体内部定义%输出参数为%L1由Dijkst
3、ra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Fig1figure(1);PlotGraph;title('地形图及网络拓
4、扑结构')PD=inf*ones(26,26);fori=1:26forj=1:26ifD(i,j)==1x1=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;endend第9页欢迎访问GreenSim团队主页→http://blog.sina.com.cn/greensim邮箱：greensim@163.comend%%调用最短路算法求最短路s=1;%出发点t=26;%目标点[
5、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;holdonfori=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');holdonendtitle('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=
6、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);fori=1:Nfarm{i}=rand(1,aaa);end%以下是进化迭代过程counter=0;%设置迭代计数器whilecounter7、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第9页欢迎访问GreenSim团队主页→http://blog.sina.com.cn/greensim邮箱：greensim@163.comB=farm{Ser(2)};%取出父代BP0=unidrnd(aaa-1);%随机选择交叉点a=[A(:,1:P0),B(:,(P0+1):end)];%产生子代ab=[B(:,1:P0),A(:,(P0+1):end)];%产生
8、子代bnewfarm{2*N-1}=a;%加入子代种群newfarm{2*N}=b;fori=1:(N-1)A=farm{Ser(i)};B=farm{Ser(i+1)};newfarm{2*i}=b;endFARM=[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);fori=1:(2*N)PP=FARM{i};FITNESS(i)=Min
