【无人机】基于粒子群实现二维环境的目标路径规划附参考论文及代码

1 简介

本文提出了一种新的算法，称为运动编码粒子群优化（MPSO）用于使用无人机 (UAV) 寻找移动目标。根据贝叶斯理论，搜索问题可以转化为代表概率的代价函数的优化的检测目标。在这里，提出的 MPSO 被开发来通过编码来解决这个问题搜索轨迹作为一系列无人机运动路径随着粒子的生成而演变一个 PSO 算法。这种运动编码的方法允许保留重要的属性群体包括认知和社会连贯性，从而产生更好的解决方案。

应用。

2 部分代码

%_________________________________________________________________________%
% Motion-encoded Partical Swarm Optimization (MPSO) source codes demo 1.0%
% %
% Create a search path from the encoded motions
%
function path=PathFromMotion(position,model)
n=model.n;
xs = model.xs;
ys = model.ys;
path = zeros(n,2); % path initialisation
currentNode = [xs ys];
for i=1:n
motion = position(i,:);
nextMove = MotionDecode(motion);
nextNode = currentNode + nextMove;
% Limit the path to be within the map
% x direction
if nextNode(1) > model.xmax
nextNode(1) = model.xmax;
elseif nextNode(1) < model.xmin
nextNode(1) = model.xmin;
end
% y direction
if nextNode(2) > model.ymax
nextNode(2) = model.ymax;
elseif nextNode(2) < model.ymin
nextNode(2) = model.ymin;
end
path(i,:) = currentNode;
currentNode = nextNode;
end
end

3 仿真结果

4 参考文献

[1]MD Phung,  Ha Q P . Motion-Encoded Particle Swarm Optimization for Moving Target Search Using UAVs[J]. Applied Soft Computing, 2020.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。