遗传算法matlab路径规划

以下是使用遗传算法进行路径规划的Matlab代码：

% 遗传算法路径规划
clc;
clear;
close all;

% 初始化地图
Grid = zeros(10, 10);
Grid(3:7, 3:7) = 1; % 设置障碍物

% 绘制地图
Grid = DrawMap(Grid);

% 定义遗传算法参数
pop_size = 100; % 种群大小
chrom_length = 20; % 染色体长度
pc = 0.8; % 交叉概率
pm = 0.01; % 变异概率
max_gen = 200; % 最大迭代次数

% 初始化种群
pop = round(rand(pop_size, chrom_length));

% 迭代
for gen = 1:max_gen
    % 计算适应度
    fitness = zeros(pop_size, 1);
    for i = 1:pop_size
        fitness(i) = CalFitness(pop(i, :), Grid);
    end
    
    % 选择
    [parent1, parent2] = Select(pop, fitness);
    
    % 交叉
    offspring = Crossover(parent1, parent2, pc);
    
    % 变异
    offspring = Mutation(offspring, pm);
    
    % 合并种群
    pop = [pop; offspring];
    
    % 保留最优个体
    [~, idx] = sort(fitness, 'descend');
    pop = pop(idx(1:pop_size), :);
    
    % 绘制路径
    best_chrom = pop(1, :);
    best_path = Decode(best_chrom, Grid);
    DrawPath(best_path);
end

% 计算适应度函数
function fitness = CalFitness(chrom, Grid)
    path = Decode(chrom, Grid);
    fitness = 1 / length(path);
end

% 选择函数
function [parent1, parent2] = Select(pop, fitness)
    [~, idx] = sort(fitness, 'descend');
    parent1 = pop(idx(1), :);
    parent2 = pop(idx(2), :);
end

% 交叉函数
function offspring = Crossover(parent1, parent2, pc)
    if rand < pc
        pos = randi(length(parent1));
        offspring = [parent1(1:pos), parent2(pos+1:end)];
    else
        offspring = [];
    end
end

% 变异函数
function offspring = Mutation(chrom, pm)
    for i = 1:length(chrom)
        if rand < pm
            chrom(i) = 1 - chrom(i);
        end
    end
    offspring = chrom;
end

% 解码函数
function path = Decode(chrom, Grid)
    start = [1, 1];
    goal = [size(Grid, 1), size(Grid, 2)];
    path = AStar(start, goal, Grid);
    for i = 1:length(chrom)
        if chrom(i) == 1
            path = InsertNode(path);
        end
    end
end

% 插入节点函数
function path = InsertNode(path)
    pos = randi(length(path)-1);
    new_node = (path(pos,:) + path(pos+1,:)) / 2;
    path = [path(1:pos,:); new_node; path(pos+1:end,:)];
end

% 绘制路径函数
function DrawPath(path)
    hold on;
    plot(path(:,2), path(:,1), 'r', 'LineWidth', 2);
    drawnow;
end

该代码实现了在一个10x10的地图上使用遗传算法进行路径规划。其中，地图中的1表示障碍物，0表示可通行区域。遗传算法的参数包括种群大小、染色体长度、交叉概率、变异概率和最大迭代次数。在每次迭代中，首先计算种群中每个个体的适应度，然后进行选择、交叉和变异操作，最后保留最优个体并绘制路径。