一、无人机模型介绍

单个无人机三维路径规划问题及其建模_无人机路径规划场景建模-CSDN博客

参考文献

[1]胡观凯,钟建华,李永正,黎万洪.基于IPSO-GA算法的无人机三维路径规划[J].现代电子技术,2023,46(07):115-120

二、人工原生动物优化算法APO求解无人机路径规划

人工原生动物优化器(Artificial Protozoa Optimizer ,APO)由Xiaopeng Wang等人于2024年提出,其灵感来自自然界中的原生动物。APO 模拟了原生动物的觅食、休眠和繁殖行为。

参考文献

[1]Wang X, Snášel V, Mirjalili S, et al. Artificial Protozoa Optimizer (APO): A novel bio-inspired metaheuristic algorithm for engineering optimization[J]. Knowledge-Based Systems, 2024: 111737.

close all
clear  
clc
addpath('./Algorithm/')%添加算法路径
warning off;
%% 三维路径规划模型定义
global startPos goalPos N
N=2;%待优化点的个数(可以修改)
startPos = [10, 10, 80]; %起点(可以修改)
goalPos = [80, 90, 150]; %终点(可以修改)
SearchAgents_no=30; % 种群大小(可以修改)
Function_name='F2'; %F1:随机产生地图 F2:导入固定地图
Max_iteration=50; %最大迭代次数(可以修改)
% Load details of the selected benchmark function
[lb,ub,dim,fobj]=Get_Functions_details(Function_name);
[Best_score,Best_pos,curve]=AlgorithmName(SearchAgents_no,Max_iteration,lb,ub,dim,fobj);%算法优化求解
figure
semilogy(curve,'Color','g','linewidth',3)
xlabel('迭代次数');
ylabel('飞行路径长度');
legend(AlgorithmName)
display(['算法得到的最优适应度: ', num2str(Best_score)]); 
Position=[Best_pos(1:dim/3); Best_pos(1+dim/3:2*(dim/3)); Best_pos(1+(2*dim/3):end)]'; %优化点的XYZ坐标(每一行是一个点)
plotFigure(Best_pos,AlgorithmName)%画最优路径

无人机路径坐标:

  1.0000000e+01  1.0000000e+01  8.0000000e+01

  1.1580906e+01  1.1067762e+01  8.2574066e+01

  1.3075643e+01  1.2035826e+01  8.5053477e+01

  1.4486872e+01  1.2908021e+01  8.7440232e+01

  1.5817257e+01  1.3688178e+01  8.9736335e+01

  1.7069461e+01  1.4380125e+01  9.1943786e+01

  1.8246148e+01  1.4987691e+01  9.4064588e+01

  1.9349980e+01  1.5514706e+01  9.6100741e+01

  2.0383621e+01  1.5964998e+01  9.8054248e+01

  2.1349733e+01  1.6342399e+01  9.9927110e+01

  2.2250980e+01  1.6650735e+01  1.0172133e+02

  2.3090026e+01  1.6893838e+01  1.0343890e+02

  2.3869532e+01  1.7075535e+01  1.0508184e+02

  2.4592163e+01  1.7199657e+01  1.0665214e+02

  2.5260582e+01  1.7270033e+01  1.0815180e+02

  2.5877451e+01  1.7290491e+01  1.0958283e+02

  2.6445434e+01  1.7264862e+01  1.1094722e+02

  2.6967194e+01  1.7196974e+01  1.1224698e+02

  2.7445394e+01  1.7090657e+01  1.1348411e+02

  2.7882697e+01  1.6949740e+01  1.1466061e+02

  2.8281766e+01  1.6778052e+01  1.1577848e+02

  2.8645265e+01  1.6579423e+01  1.1683972e+02

  2.8975857e+01  1.6357682e+01  1.1784635e+02

  2.9276205e+01  1.6116658e+01  1.1880035e+02

  2.9548971e+01  1.5860180e+01  1.1970373e+02

  2.9796820e+01  1.5592078e+01  1.2055849e+02

  3.0022413e+01  1.5316181e+01  1.2136663e+02

  3.0228416e+01  1.5036318e+01  1.2213015e+02

  3.0417490e+01  1.4756319e+01  1.2285106e+02

  3.0592298e+01  1.4480012e+01  1.2353136e+02

  3.0755504e+01  1.4211228e+01  1.2417305e+02

  3.0909772e+01  1.3953795e+01  1.2477813e+02

  3.1057763e+01  1.3711542e+01  1.2534859e+02

  3.1202142e+01  1.3488300e+01  1.2588646e+02

  3.1345571e+01  1.3287896e+01  1.2639371e+02

  3.1490714e+01  1.3114161e+01  1.2687237e+02

  3.1640233e+01  1.2970924e+01  1.2732442e+02

  3.1796793e+01  1.2862014e+01  1.2775187e+02

  3.1963055e+01  1.2791260e+01  1.2815672e+02

  3.2141683e+01  1.2762491e+01  1.2854098e+02

  3.2335341e+01  1.2779538e+01  1.2890664e+02

  3.2546692e+01  1.2846228e+01  1.2925570e+02

  3.2778397e+01  1.2966392e+01  1.2959018e+02

  3.3033122e+01  1.3143859e+01  1.2991206e+02

  3.3313529e+01  1.3382457e+01  1.3022336e+02

  3.3622280e+01  1.3686017e+01  1.3052606e+02

  3.3962040e+01  1.4058367e+01  1.3082219e+02

  3.4335471e+01  1.4503337e+01  1.3111372e+02

  3.4745237e+01  1.5024756e+01  1.3140268e+02

  3.5194000e+01  1.5626453e+01  1.3169105e+02

  3.5684424e+01  1.6312258e+01  1.3198084e+02

  3.6219172e+01  1.7086000e+01  1.3227406e+02

  3.6800907e+01  1.7951508e+01  1.3257270e+02

  3.7432292e+01  1.8912611e+01  1.3287877e+02

  3.8115990e+01  1.9973139e+01  1.3319426e+02

  3.8854665e+01  2.1136921e+01  1.3352118e+02

  3.9650980e+01  2.2407787e+01  1.3386153e+02

  4.0507598e+01  2.3789565e+01  1.3421731e+02

  4.1427181e+01  2.5286084e+01  1.3459053e+02

  4.2412394e+01  2.6901175e+01  1.3498318e+02

  4.3465898e+01  2.8638666e+01  1.3539727e+02

  4.4590358e+01  3.0502386e+01  1.3583479e+02

  4.5788437e+01  3.2496166e+01  1.3629776e+02

  4.7062798e+01  3.4623834e+01  1.3678817e+02

  4.8416103e+01  3.6889219e+01  1.3730801e+02

  4.9851016e+01  3.9296151e+01  1.3785931e+02

  5.1370200e+01  4.1848459e+01  1.3844405e+02

  5.2976319e+01  4.4549972e+01  1.3906424e+02

  5.4672035e+01  4.7404520e+01  1.3972187e+02

  5.6460011e+01  5.0415932e+01  1.4041896e+02

  5.8342912e+01  5.3588036e+01  1.4115750e+02

  6.0323399e+01  5.6924663e+01  1.4193950e+02

  6.2404136e+01  6.0429642e+01  1.4276695e+02

  6.4587786e+01  6.4106802e+01  1.4364186e+02

  6.6877013e+01  6.7959972e+01  1.4456623e+02

  6.9274479e+01  7.1992982e+01  1.4554205e+02

  7.1782847e+01  7.6209660e+01  1.4657134e+02

  7.4404782e+01  8.0613836e+01  1.4765610e+02

  7.7142945e+01  8.5209340e+01  1.4879831e+02

  8.0000000e+01  9.0000000e+01  1.5000000e+02

算法得到的最优适应度: 183.6215

三、完整MATLAB代码

点赞(0) 打赏

评论列表 共有 0 条评论

暂无评论

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部