MATLAB中遗传算法路径规划示例：Dijkstra与Greensim应用

基于遗传算法的机器人路径规划MATLAB源码

算法的思路如下：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Dijkstra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，由于上述算法使用了连接线中点的条件，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演示程序
% GreenSim团队原创作品，转载请注明
% GreenSim团队长期从事算法设计、代写程序等业务
% 欢迎访问GreenSim――算法仿真团队→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Dijkstra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Fig1
figure(1);
PlotGraph;
title('地形图及网络拓扑结构')
PD=inf*ones(26,26);
for i=1:26
for j=1:26
if D(i,j)==1
x1=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;
end
end
end
%% 调用最短路算法求最短路
s=1;%出发点
t=26;%目标点
[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;
hold on
for i=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');
hold on
end
title('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=50;%进化代数设置
N=20;%种群规模设置