matlab 蚁群算法
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了matlab 蚁群算法相关的知识,希望对你有一定的参考价值。
Warning: Rank deficient, rank = 0, tol = 0.0000e+000.
> In ACASPS at 114
??? Attempted to access Select(1); index out of bounds because numel(Select)=0.
这是什么意思?求解
程序是:
PP=zeros(Len_LJD);
for i=1:Len_LJD
PP(i)=(Tau(W,LJD(i))^Alpha)*(Eta(LJD(i))^Beta);
end
PP=PP/(sum(PP));%建立概率分布
Pcum(1)=PP(1);
for i=2:Len_LJD
Pcum(i)=Pcum(i-1)+PP(i);
end
Select=find(Pcum>=rand);
to_visit=LJD(Select(1));
基于MATLAB编程的蚁群算法格栅路径优化,基于蚁群算法的路径避障规划
目录
背影
蚁群算法的原理及步骤
基本定义
编程思路
适应度函数
算法的规则
特点
主要参数
代码
结果分析
展望
背影
格栅路径优化运算量大,可能解多,求解难度高的,可行解多的特点,一般都无法用直接求解,本文用蚁群算法进行求解,蚁群算法拥有更好的全局寻优能力,
蚁群算法
基本定义
将蚁群算法应用于解决优化问题的基本思路为:用蚂蚁的行走路径表示待优化问题的可行解,整个蚂蚁群体的所有路径构成待优化问题的解空间。路径较短的蚂蚁释放的信息素量较多,随着时间的推进,较短的路径上累积的信息素浓度逐渐增高,选择该路径的蚂蚁个数也愈来愈多。最终,整个蚂蚁会在正反馈的作用下集中到最佳的路径上,此时对应的便是待优化问题的最优
编程思路
蚂蚁找到最短路径要归功于信息素和环境,假设有两条路可从蚁窝通向食物,开始时两条路上的蚂蚁数量差不多:当蚂蚁到达终点之后会立即返回,距离短的路上的蚂蚁往返一次时间短,重复频率快,在单位时间里往返蚂蚁的数目就多,留下的信息素也多,会吸引更多蚂蚁过来,会留下更多信息素。而距离长的路正相反,因此越来越多的蚂蚁聚集到最短路径上来。
蚂蚁具有的智能行为得益于其简单行为规则,该规则让其具有多样性和正反馈。在觅食时,多样性使蚂蚁不会走进死胡同而无限循环,是一种创新能力;正反馈使优良信息保存下来,是一种学习强化能力。两者的巧妙结合使智能
以上是关于matlab 蚁群算法的主要内容,如果未能解决你的问题,请参考以下文章
PSO算法、蚁群算法和遗传算法matlab求解函数最值问题,程序怎么编写?
基于MATLAB编程的蚁群算法格栅路径优化,基于蚁群算法的路径避障规划