1 简介

2 部分代码

clc;
clear;
close all;
model =CreateModel();
tic;
plotmap(model);
global_chromosome =Muti_Uav_Ga(model);
toc;


function [ cost,sol,costs ] = FitnessFunction( chromosome,model )
%UNTITLED2 Summary of this function goes here改进：用局部极值来进行交叉操作

%   Detailed explanation goes here
   for uav=1:model.UAV
   x= zeros(1,model.dim);
   y= zeros(1,model.dim);
   z = zeros(1,model.dim);
   %取第uav个航路的坐标
   for i=1:model.dim
   x(i) = chromosome.pos(i,1,uav);
   y(i) = chromosome.pos(i,2,uav);
   z(i) = chromosome.pos(i,3,uav);
   end
   sx = model.sx(uav);
   sy = model.sy(uav);
   sz = model.sz(uav);
   ex = model.endp(1);
   ey =model.endp(2);
   ez=model.endp(3);
       
   
   xobs = model.xobs;
   yobs = model.yobs;
   zobs = model.zobs;
   robs = model.robs;
   
   XS=[sx x ex];
   YS=[sy y ey];
   ZS=[sz z ez];
   k =numel(XS);
   TP =linspace(0,1,k);
   tt =linspace(0,1,50);
   xx =[];
   yy =[];
   zz=[];
   for i=1:k-1
   %每一段向量分成10个点
   x_r = linspace(XS(i),XS(i+1),10);
   y_r= linspace(YS(i),YS(i+1),10);
   z_r =linspace(ZS(i),ZS(i+1),10);
   xx = [xx,x_r];
   yy = [yy,y_r];
   zz =[zz ,z_r];
   end
   
   %calc L
   dx =diff(xx);
   dy =diff(yy);
   dz = diff(zz);
   Length = sum(sqrt(dx.^2+dy.^2+dz.^2));
   nobs = numel(xobs);
    violation=0;
   for i=1:nobs
      d = sqrt( (xx-xobs(i)).^2+(yy-yobs(i)).^2 );
      v = max(1-d/robs(i),0);
      violation = violation + mean(v);
   end
   sol(uav).TP=TP;
   sol(uav).XS =XS;
   sol(uav).YS=YS;
   sol(uav).ZS=ZS;
   sol(uav).tt=tt;
   sol(uav).xx=xx;
   sol(uav).yy=yy;
   sol(uav).zz=zz;
   sol(uav).dx=dx;
   sol(uav).dy=dy;
   sol(uav).dz=dz;
   sol(uav).Length=Length;
   sol(uav).violation=violation;
   sol(uav).IsFeasible=(violation==0);
   
   %计算协调适应值
   % 3、飞行高度限制
    high=0;
    for k=1:numel(XS)
       x=XS(k);
       y=YS(k);
       h=terrain(x,y);        
       if ZS(k)<=(h+10)  %限制飞行最低高度
           high=high+10000;          
       elseif ZS(k)>375   %限制飞行最高高度              
           high=high+10000;           
       else  
           high=high+abs(ZS(k)-287); %计算与理想高度差距和      
       end        
   end
   
   %z

    w1 =0.03;
    w2=0.3;
    w3=0.1;
    w4=0.2;
    %markov evaluatea
    %获取所有维度的坐标
    r_xx=[];r_yy=[];r_zz=[];
   for i=2:numel(XS)-2
   %每一段向量分成10个点
   r_x = linspace(XS(i),XS(i+1),3);
   r_y= linspace(YS(i),YS(i+1),3);
   r_z =linspace(ZS(i),ZS(i+1),3);
   r_xx = [r_xx,r_x];
   r_yy = [r_yy,r_y];
   r_zz =[r_zz ,r_z];
   end
    
  Allpos = [r_xx',r_yy',r_zz'];
  [stateProbabilityProcess, expectedCostProcess]=MarkovEvaluate(Allpos,model);
  sol(uav).MarkovState = stateProbabilityProcess;
  sol(uav).MarkovCost = expectedCostProcess;
  sol(uav).costs=[w1*Length,w3*high,w4*mean(expectedCostProcess)*1000];
  single_cost(uav)= w1*Length +w3*high+w4*mean(expectedCostProcess)*1000;
  sol(uav).cost =single_cost(uav);
   end
 cost =sum(single_cost);
 costs=single_cost;
  
  
end

3 仿真结果

4 参考文献

[1]江冰, 郭彭. 基于粒子群算法的三维无人机路径规划方法及规划系统:. 

### 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，有科研问题可私信交流。

**部分理论引用网络文献，若有侵权联系博主删除。**