【BBO三维路径规划】基于matlab生物地理学算法无人机三维路径规划【含Matlab源码 2076期】

一、生物地理算法简介

1 基本思路
BBO 算法起源于生物地理学，它通过模拟多物种在不同栖息地的分布、迁移、突变等规律求解寻优问题，在多目标规划领域有广泛应用. 栖息地被认为是独立的区域，不同的栖息地拥有不同的适宜指数HSI（Habitat suitability index）。 HSI较高的栖息地物种丰富度较高，随着种群趋于饱和，其迁出率增高，迁入率减少，而HIS较低的栖息地与之相反，迁入率增高，迁出率减少. 当栖息地遭遇灾害或瘟疫等突发事件时，HIS将随之突变，打破动态平衡，为低HIS的栖息地添加了不可预见性，增大了搜索目标解的几率2.2 迁移和突变操作物种的迁移有其具体的物理模型，最常的有线性模型、二次模型、余弦模型等 . 以图 3线性模型为例，当某栖息地物种数目为 0 时迁入率最高，此刻 λ = I,随着迁入物种数目不断增加，受阳光、水、食物等资源限制，迁入率不断降低，迁出率不断增高 . 当栖息地物种数目为 S0时，恰好达到动态平衡，此时迁出率与迁入率相同 . 而栖息地达到饱和状态时，物种数量达到最大值Smax ,此刻不再有物种迁入，迁出率 μ = E.突变操作基于生物地理学统计公式完成：


式中：ms为栖息地发生突变的概率，mmax为最大突变率，用户可自行设定 . ps为栖息地容纳s种物种的概率， pmax代表容纳最大种群的概率。

二、部分源代码

close all;
clear all;
clc;
addpath(genpath(‘./’));

%%规划路径
disp(‘Planning …’);
map = load_map(‘maps/map4.txt’, 0.1, 0.5, 0.25);
start = { [1 -4 1]};
stop = {[0.1 17 3]};

%start = {[0 1 5]};
%stop = {[19 1 5]};
nquad = length(start);
for qn = 1:nquad
v = cputime;
path{qn} = bbo(map, start{qn}, stop{qn});
c = cputime - v;
fprintf(‘Algo Execution time = %d \n’,c);
end
if nquad == 1
plot_path(map, path{1});
else
% you could modify your plot_path to handle cell input for multiple robots
end

%% 额外的初始化脚本
init_script;

%%运行轨迹
trajectory = test_trajectory(start, stop, map, path, true); % with visualization

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，2017.

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

文章来源: qq912100926.blog.csdn.net，作者：海神之光，版权归原作者所有，如需转载，请联系作者。

原文链接：qq912100926.blog.csdn.net/article/details/126671430