基于蚁群算法的机器人路径规划 MATLAB 源代码基本思路是，使用离散化网格对带有障碍物的地图环境建模，将地图环境转化为邻接矩阵 ，最后使用蚁群算法寻找最短路径。function ［ROUTES，PL,Tau］=ACASPS（G，Tau,K，M，S,E,Alpha,Beta,Rho,Q）%％ --——-—--—--—--—----—--—--—---—-——-------—-—-—-————-————-—--——--% ACASP。m% 基于蚁群算法的机器人路径规划％ GreenSim 团队—-专业级算法设计&代写程序％ 欢迎访问 GreenSim 团队主页→http：//blog。sina.com。cn/greensim％％ --—-—-———-—--—--—-—-—-————-——-——----———-———--—-———-—-——--——-——-% 输入参数列表％ G 地形图为 01 矩阵，假如为 1 表示障碍物％ Tau 初始信息素矩阵（认为前面的觅食活动中有残留的信息素）％ K 迭代次数(指蚂蚁出动多少波）% M 蚂蚁个数(每一波蚂蚁有多少个）% S 起始点（最短路径的起始点）% E 终止点（最短路径的目的点）% Alpha 表征信息素重要程度的参数% Beta 表征启发式因子重要程度的参数％ Rho 信息素蒸发系数% Q 信息素增加强度系数%％ 输出参数列表％ ROUTES 每一代的每一只蚂蚁的爬行路线％ PL 每一代的每一只蚂蚁的爬行路线长度％ Tau 输出动态修正过的信息素％% —-——-——-——-——----——-变量初始化— -—-—--—-—---—--——-—-—--———————-——%loadD=G2D(G)；N=size（D，1)；%N 表示问题的规模(象素个数）MM=size（G，1）;a=1;％小方格象素的边长Ex=a*（mod（E,MM）-0。5）；%终止点横坐标if Ex==—0.5 Ex=MM—0.5；endEy=a*(MM+0。5—ceil(E/MM））;％终止点纵坐标Eta=zeros(1，N);％启发式信息，取为至目标点的直线距离的倒数％下面构造启发式信息矩阵for i=1:N ix=a*（mod(i,MM）—0。5）； if ix==—0。5 ix=MM—0.5; end iy=a*（MM+0.5—ceil（i/MM)）; if i~=E Eta(1，i)=1/（（ix—Ex）^2+(iy-Ey)^2）^0.5； else Eta（1，i）=100; endendROUTES=cell(K，M）;％用细胞结构存储每一代的每一只蚂蚁的爬行路线PL=zeros(K，M）；％用矩阵存储每一代的每一只蚂蚁的爬行路线长度％% ---—---—-——启动 K 轮蚂蚁觅食活动,每轮派出 M 只蚂蚁—-----——--—-————----for k=1：K ％disp(k）; for m=1：M％% 第一步:状态初始化 W=S;％当前节点初始化为起始点 Path=S；%爬行路线初始...
