matlab 蚁群算法

Posted 2023-05-07

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));

参考技术A select中没有元素，所以没有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