matlab免疫算法实现路径规划避开障碍物

Posted 2023-03-04 studyer_domi

1、内容简介

免疫算法实现路径规划避开障碍物

650-可以交流、咨询、答疑

2、内容说明

免疫算法的思想来自模拟人体的免疫系统。免疫系统是人体抵抗细菌、病毒和其它致病因子入侵的基本防御系统。免疫系统通过一套复杂的机制来重组基因，以产生抗体对付入侵的抗原，达到消灭抗原的目的。为了有效地提供防御功能，免疫系统必须进行模式识别，把自身的分子和细胞与抗原区分开来。除了具有识别能力之外，免疫系统与其它低级生物防御系统的区别在于它能够学习，并且有记忆能力。正是因为拥有上述特点，免疫系统对同一抗原的防御反应，第二次比第一次来得更快、更强烈。免疫算法模仿了人体的免疫系统，并从体细胞理论和网络理论中得到启发，实现了类似于免疫系统的自我调节功能和生抗体的功能。

3、仿真分析

clc
close all
clear
rng default

obstacle_x = [-3.448,-4.05, -8,-9.531,-11.5];
% obstacle_y = [0.728,1.11, 1.678,2.184,2.31];
obstacle_y = [0.428,1.11, 1.508,2.184,2.31];
obstacle = [obstacle_x obstacle_y];
target_x = [0 -12.829]; % 两个目标站点的横坐标
target_y = [0 2.707];   % 两个目标站点的纵坐标
target = [target_x target_y];
% dist = distance(point, target, obstacle)
% 目标函数 point为优化的点坐标，target为两个站台位置，obstacle为障碍物固定的位置
point = length(obstacle_x)+1;

D=point*2;                                %免疫个体维数
NP=300;                                   %免疫个体数目
Xs=3;                                     %取值上限
Xx=-13;                                   %取值下限
G=500;                                    %最大免疫代数
pm=0.5;                                   %变异概率
alfa=2;                                   %激励度系数
belta=1;                                  %激励度系数   
detas=0.5;                                %相似度阈值
gen=0;                                    %免疫代数
Ncl=20;                                   %克隆个数
deta0=-5.5;                               %邻域范围初值

%%%%%%%%%%%%%%%%%%%%%%%初始种群%%%%%%%%%%%%%%%%%%%%%%%%
% f1=rand(D/2,NP)*(Xs-Xx)+Xx;
% Xs = 3;
% Xx = 0;
% f2=rand(D/2,NP)*(Xs-Xx)+Xx;
% f = [f1;f2];

f=rand(D,NP)*(Xs-Xx)+Xx;
for np=1:NP
    MSLL(np) = distance(f(:,np), target, obstacle); 
end
%%%%%%%%%%%%%%%%%计算个体浓度和激励度%%%%%%%%%%%%%%%%%%%
for np=1:NP
    for j=1:NP     
        nd(j) = sum(sqrt((f(:,np)-f(:,j)).^2));
        if nd(j)<detas
            nd(j)=1;
        else
            nd(j)=0;
        end
    end
    ND(np)=sum(nd)/NP;
end
MSLL =  alfa*MSLL - belta*ND;

4、参考论文

略