标签：路径 sol uav yy xx 源码 matlab XS model
1 简介
2 部分代码
clc; clear; close all; model =CreateModel(); tic; plotmap(model); global_chromosome =Muti_Uav_Ga(model); toc; function [ cost,sol,costs ] = FitnessFunction( chromosome,model ) %UNTITLED2 Summary of this function goes here改进：用局部极值来进行交叉操作 % Detailed explanation goes here for uav=1:model.UAV x= zeros(1,model.dim); y= zeros(1,model.dim); z = zeros(1,model.dim); %取第uav个航路的坐标 for i=1:model.dim x(i) = chromosome.pos(i,1,uav); y(i) = chromosome.pos(i,2,uav); z(i) = chromosome.pos(i,3,uav); end sx = model.sx(uav); sy = model.sy(uav); sz = model.sz(uav); ex = model.endp(1); ey =model.endp(2); ez=model.endp(3); xobs = model.xobs; yobs = model.yobs; zobs = model.zobs; robs = model.robs; XS=[sx x ex]; YS=[sy y ey]; ZS=[sz z ez]; k =numel(XS); TP =linspace(0,1,k); tt =linspace(0,1,50); xx =[]; yy =[]; zz=[]; for i=1:k-1 %每一段向量分成10个点 x_r = linspace(XS(i),XS(i+1),10); y_r= linspace(YS(i),YS(i+1),10); z_r =linspace(ZS(i),ZS(i+1),10); xx = [xx,x_r]; yy = [yy,y_r]; zz =[zz ,z_r]; end %calc L dx =diff(xx); dy =diff(yy); dz = diff(zz); Length = sum(sqrt(dx.^2+dy.^2+dz.^2)); nobs = numel(xobs); violation=0; for i=1:nobs d = sqrt( (xx-xobs(i)).^2+(yy-yobs(i)).^2 ); v = max(1-d/robs(i),0); violation = violation + mean(v); end sol(uav).TP=TP; sol(uav).XS =XS; sol(uav).YS=YS; sol(uav).ZS=ZS; sol(uav).tt=tt; sol(uav).xx=xx; sol(uav).yy=yy; sol(uav).zz=zz; sol(uav).dx=dx; sol(uav).dy=dy; sol(uav).dz=dz; sol(uav).Length=Length; sol(uav).violation=violation; sol(uav).IsFeasible=(violation==0); %计算协调适应值 % 3、飞行高度限制 high=0; for k=1:numel(XS) x=XS(k); y=YS(k); h=terrain(x,y); if ZS(k)<=(h+10) %限制飞行最低高度 high=high+10000; elseif ZS(k)>375 %限制飞行最高高度 high=high+10000; else high=high+abs(ZS(k)-287); %计算与理想高度差距和 end end %z w1 =0.03; w2=0.3; w3=0.1; w4=0.2; %markov evaluatea %获取所有维度的坐标 r_xx=[];r_yy=[];r_zz=[]; for i=2:numel(XS)-2 %每一段向量分成10个点 r_x = linspace(XS(i),XS(i+1),3); r_y= linspace(YS(i),YS(i+1),3); r_z =linspace(ZS(i),ZS(i+1),3); r_xx = [r_xx,r_x]; r_yy = [r_yy,r_y]; r_zz =[r_zz ,r_z]; end Allpos = [r_xx',r_yy',r_zz']; [stateProbabilityProcess, expectedCostProcess]=MarkovEvaluate(Allpos,model); sol(uav).MarkovState = stateProbabilityProcess; sol(uav).MarkovCost = expectedCostProcess; sol(uav).costs=[w1*Length,w3*high,w4*mean(expectedCostProcess)*1000]; single_cost(uav)= w1*Length +w3*high+w4*mean(expectedCostProcess)*1000; sol(uav).cost =single_cost(uav); end cost =sum(single_cost); costs=single_cost; end
3 仿真结果
4 参考文献
[1]江冰, 郭彭. 基于粒子群算法的三维无人机路径规划方法及规划系统:.
### 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。**
标签：路径,sol,uav,yy,xx,源码,matlab,XS,model 来源： https://blog.csdn.net/qq_59747472/article/details/120681237
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。