贪婪算法MATLAB路径规划程序

### 贪婪算法路径规划的MATLAB实现

贪婪算法是一种简单直观的方法，在每一步都做出局部最优的选择，期望最终能够达到全局最优解。对于路径规划问题而言，该方法可以快速找到一条可行路径，尽管这条路径未必是最优的。

下面是一个简单的基于贪婪策略的路径规划MATLAB代码实例：

function [path] = greedyPathPlanning(startPoint, goalPoint, map)
% startPoint: 起始位置坐标 [x y]
% goalPoint: 终点位置坐标 [x y]
% map: 地图矩阵，0表示可通过区域，1表示障碍物
    
    % 初始化参数
    currentPos = startPoint;
    path = [];
    
    while ~isequal(currentPos, goalPoint)
        neighbors = getNeighbors(currentPos, size(map));
        
        % 过滤掉越界和有障碍的位置
        validNeighbors = arrayfun(@(p) isValidPosition(p, map), ...
            num2cell(neighbors, 2), 'UniformOutput', false);
        validNeighbors = vertcat(validNeighbors{:});
        
        if isempty(validNeighbors)
            error('无法到达目标');
        end
        
        % 计算到终点的距离并选取最近的一个邻居作为下一个移动方向
        [~, minIdx] = min(arrayfun(@(p) norm(goalPoint - p), validNeighbors));
        nextStep = validNeighbors(minIdx,:);
        
        % 更新当前位置并将新位置加入路径列表
        currentPos = nextStep;
        path = [path; currentPos];
        
        % 如果已经找到了最短路，则提前退出循环
        if isequal(currentPos, goalPoint)
            break;
        end
    end
    
end

function neighborPositions = getNeighbors(position, mapSize)
    directions = [-1 0; 1 0; 0 -1; 0 1]; % 上下左右四个方向向量
    candidatePositions = bsxfun(@plus, position, directions); % 获取候选邻接点集合
    inBoundsMask = all(candidatePositions >= 1 & candidatePositions <= mapSize, 2);
    neighborPositions = candidatePositions(inBoundsMask,:);

end

function flag = isValidPosition(pos, map)
    flag = true && pos(1)>0 && pos(2)>0 && pos(1)<=size(map,1)&&pos(2)<=size(map,2)&&(map(pos(1),pos(2))==0);
end

此函数`greedyPathPlanning`接受起始点、终止点以及地图数据作为输入，并返回从起点到终点的一条可能路径。注意这段代码假设环境中的障碍物用数值'1'标记，而可通行的空间则用'0'来表示[^1]。