2023年人工智能AI 机器人路径问题解读.docx

《2023年人工智能AI 机器人路径问题解读.docx》由会员分享，可在线阅读，更多相关《2023年人工智能AI 机器人路径问题解读.docx（14页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2023年人工智能AI 机器人路径问题解读 %人工智能 机器人路径问题 function GoodACARPP123 % n-循环次数 % m-蚂蚁个数 % a-小方格象素的边长 % s-起始点(最短路径的起始点) % e-终止点(最短路径的目的点) % R-路线矩阵 % G-地形图矩阵 % L-路径长度矩阵 % P-选择概率向量 % Q-信息素增强系数 % D-问题节点矩阵 % DD-邻接节点矩阵 % DL-已访问的节点 % DN-待访问的节点 % DT-要访问的节点 % ex-终止点横坐标 % ey-终止点纵坐标 % nn-问题的规模(象素个数) % inf-无穷大(infinite) %

2、 Tau-信息素矩阵 % rou-信息素蒸发系数 % Ant-蚂蚁初始位置 % alpha-表征信息素重要程度的参数 % beta-表征启发式因子重要程度的参数 % Eta-启发因子矩阵(这里设为距离的倒数) % Deltatau-信息素增量矩阵 % Tabootk-禁忌表矩阵(存储并记录第t次循环第k只蚂蚁的已走路径) % 1 % clc clear all close all % %G地形图为01矩阵%1表示障碍物% G=0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0; 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0; 0 1

3、 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0; 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0; 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0; 0 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0; 0 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0; 0 1 1 1 0 0 1 1 1 0 1 1 1 1 0 0 0 0 0 0; 0 1 1 1 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0; 0 0 0 0 0 0 0 0

4、0 0 1 1 1 1 0 0 0 0 0 0; 0 0 0 0 0 0 0 1 1 0 1 1 1 1 0 0 0 0 0 0; 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0; 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 1 1 1 1 0; 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 1 1 1 1 0; 0 0 1 1 0 0 0 0 0 0 0 1 1 1 0 1 1 1 1 0; 0 0 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0; 0 0 0 0 0 0 1 1 1 0 1 1 0 0 0

5、 0 0 1 1 0; 0 0 0 0 0 0 0 0 0 0 1 1 0 0 1 0 0 1 1 0; 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0; 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0; % gm=size(G,1);%求矩阵G的行数% 2 % s=1; a=1; Q=1; m=25; n=50; e=gm*gm; alpha=1; beta=7; rou=0.3 ; mint=0; mink=0; D=G2D(G); mintk=inf; Tau=ones(gm*gm,gm*gm);%初始化信息素矩阵(认为前面

6、的觅食活动中有残留的信息素)% Tau=8.*Tau;%初始化信息素矩阵(认为前面的觅食活动中有残留的信息素)% nn=size(D,1); ex=a*(mod(e,gm)-0.5); if ex=-0.5 ex=gm-0.5; end ey=a*(gm+0.5-ceil(e/gm); ee=ex,ey Eta=zeros(nn); %下面构造启发式信息矩阵% for i=1:nn ix=a*(mod(i,gm)-0.5); if ix=-0.5 ix=gm-0.5; end iy=a*(gm+0.5-ceil(i/gm); if i=e %启发式信息取为当前点至目标点(终点)直线距离的倒数%

7、 Eta(i)=1/(ix-ex)2+(iy-ey)2)0.5; else Eta(i)=100; end end R=cell(n,m);%用细胞结构存储每次循环每只蚂蚁的爬行路线% L=zeros(n,m);%用矩阵存储每次循环每只蚂蚁爬行路线的总长度% %启动t轮蚂蚁觅食活动%每轮派出m只蚂蚁% for t=1:n for k=1:m %第一步：状态初始化% w=s;%当前节点初始化为起始点% Path=s;%爬行路线向量初始化% pathlen=0;%爬行路线长度初始化% Tabootk=ones(nn);%禁忌表初始化% Tabootk(s)=0;%已经在初始点了%因此要排除% DD

8、=D;%邻接矩阵初始化% %第二步：下一步可以前往的节点% DL=DD(w,:); DLF=find(DL); for j=1:length(DLF) if Tabootk(DLF(j)=0 DL(DLF(j)=0; end end DN=find(DL); dnum=length(DN);%可选节点的个数% %觅食停止条件：蚂蚁未遇到食物或者陷入死胡同% while w=e&dnum=1 %第三步：转轮赌法选择下一步怎么走% P=zeros(dnum); for i=1:dnum P(i)=(Tau(w,DN(i)alpha)*(Eta(DN(i)beta); end P=P/sum(P);

9、 Pcum=cumsum(P);%计算累计概率分布% DS=find(Pcum=rand); DT=DN(DS(1); %第四步：状态更新和记录% Path=Path,DT;%路径增加% pathlen=pathlen+DD(w,DT);%路径长度增加% w=DT;%蚂蚁移动到下一个节点% for ki=1:nn if Tabootk(ki)=0 DD(w,ki)=0; DD(ki,w)=0; end end Tabootk(w)=0;%已访问过的节点从禁忌表中删除% DL=DD(w,:); DLF=find(DL); for j=1:length(DLF) if Tabootk(DLF(j)

10、=0 DL(j)=0; end end DN=find(DL); dnum=length(DN);%可选节点的个数 end % 第五步：记下每一代每一只蚂蚁的觅食路线和路线长度 Rt,k=Path; if Path(end)=e L(t,k)=pathlen; if pathlen mint=t; mink=k; mintk=pathlen; end else PL(t,k)=0; end end %第六步：更新信息素% Deltatau=zeros(nn,nn);%信息素更新量初始化% for k=1:m if L(t,k) Route=Rt,k; rnum=length(Route)-1;

11、%跳数% for j=1:rnum x=Route(j); y=Route(j+1); Deltatau(x,y)=Deltatau(x,y)+Q/L(t,k); Deltatau(y,x)=Deltatau(y,x)+Q/L(t,k); end end end Tau=(1-rou).*Tau+Deltatau;%信息素挥发一部分，新增加一部分 end % %绘收敛曲线图% Lenmin=zeros(n); for t=1:n Lt=L(t,:); FLt=find(Lt); LFLt=Lt(FLt); Lenmin(t)=min(LFLt); end figure(1) plot(Lenm

12、in) hold on grid on xlabel(循环次数); ylabel(每次循环后路径长度); title(收敛曲线（最小路径长度与循环次数关系曲线）); % %绘每次循环蚂蚁爬行路线图% figure(2) gm=size(G,1); axis(0,gm,0,gm) for i=1:gm for j=1:gm if G(i,j)=1 x1=j-1;y1=gm-i; x2=j;y2=gm-i; x3=j;y3=gm-i+1; x4=j-1;y4=gm-i+1; fill(x1,x2,x3,x4,y1,y2,y3,y4,0,0,0); hold on else x1=j-1;y1=gm

13、-i; x2=j;y2=gm-i; x3=j;y3=gm-i+1; x4=j-1;y4=gm-i+1; fill(x1,x2,x3,x4,y1,y2,y3,y4,1,1,1); hold on end end end % for t=1:n Lt=L(t,:); minlen=min(Lt); FLt=find(Lt=minlen); k=FLt(1); Route=Rt,k; Rx=Route; Ry=Route; for i=1:length(Route) Rx(i)=a*(mod(Route(i),gm)-0.5); if Rx(i)=-0.5 Rx(i)=gm-0.5; end Ry(

14、i)=a*(gm+0.5-ceil(Route(i)/gm); end plot(Rx,Ry) hold on end % %绘最优爬行路线图% figure(3) gm=size(G,1); axis(0,gm,0,gm) for i=1:gm for j=1:gm if G(i,j)=1 x1=j-1;y1=gm-i; x2=j;y2=gm-i; x3=j;y3=gm-i+1; x4=j-1;y4=gm-i+1; fill(x1,x2,x3,x4,y1,y2,y3,y4,0,0,0);%向左下角画黑色矩形填充% hold on else x1=j-1;y1=gm-i; x2=j;y2=gm

15、-i; x3=j;y3=gm-i+1; x4=j-1;y4=gm-i+1; fill(x1,x2,x3,x4,y1,y2,y3,y4,1,1,1);%向左下角画白色矩形填充% hold on end end end 9 %颜色矩阵R,G,B%1,1,1为白色%0,0,0为黑色% % hold on Route=Rmint,mink; Rx=Route; Ry=Route; for i=1:length(Route) Rx(i)=a*(mod(Route(i),gm)-0.5); if Rx(i)=-0.5 Rx(i)=gm-0.5; end Ry(i)=a*(gm+0.5-ceil(Route

16、(i)/gm); end plot(Rx,Ry) % function D=G2D(G) gm=size(G,1); D=zeros(gm*gm,gm*gm); for i=1:gm for j=1:gm if G(i,j)=0 for ii=1:gm for jj=1:gm if G(ii,jj)=0 im=abs(i-ii);jn=abs(j-jj); if im+jn=1|(im=1&jn=1)%找出G(i,j)上下左右邻近点% D(i-1)*gm+j,(ii-1)*gm+jj)=(im+jn)0.5; end end end end end end end % 读书的好处 1、行万里路

17、，读万卷书。 2、书山有路勤为径，学海无涯苦作舟。 3、读书破万卷，下笔如有神。 4、我所学到的任何有价值的知识都是由自学中得来的。达尔文 5、少壮不努力，老大徒悲伤。 6、黑发不知勤学早，白首方悔读书迟。颜真卿 7、宝剑锋从磨砺出，梅花香自苦寒来。 8、读书要三到：心到、眼到、口到 9、玉不琢、不成器，人不学、不知义。 10、一日无书，百事荒废。陈寿 11、书是人类进步的阶梯。 12、一日不读口生，一日不写手生。 13、我扑在书上，就像饥饿的人扑在面包上。高尔基 14、书到用时方恨少、事非经过不知难。陆游 15、读一本好书，就如同和一个高尚的人在交谈歌德 16、读一切好书，就是和许多高尚的人谈话。笛卡儿 17、学习永远不晚。高尔基 18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。刘向 19、学而不思则惘，思而不学则殆。孔子 20、读书给人以快乐、给人以光彩、给人以才干。培根 人工智能AI 机器人路径问题解读 人工智能与机器人 机器人与人工智能 人工智能在机器人领域的应用 推拿机器人诞生：人工智能与中医结合 ”人工智能AI“赏析 人工智能AI老师介绍 智能机器人路径规划及算法研究 金准人工智能 养老机器人产业研究报告 人工智能教学讲座：机器智能