【路径规划】Theta_star算法机器人栅格地图最短路径规划【含Matlab源码 2618期】

原创已于 2024-11-17 15:57:08 修改 · 996 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#matlab

于 2023-11-22 12:12:10 首次发布

Matlab路径规划（进阶版）专栏收录该内容

1772 篇文章

订阅专栏

💥💥💥💥💥💥💥💥💞💞💞💞💞💞💞💞💞Matlab武动乾坤博客之家💞💞💞💞💞💞💞💞💞💥💥💥💥💥💥💥💥
🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀
在这里插入图片描述
🔊博主简介：985研究生，Matlab领域科研开发者；

🚅座右铭：行百里者，半于九十。

🏆代码获取方式：
优快云 Matlab武动乾坤—代码获取方式

更多Matlab路径规划仿真内容点击👇
①Matlab路径规划（进阶版）

⛳️关注优快云 Matlab武动乾坤，更多资源等你来！！

⛄一、 Theta_star算法简介

Lazy_Theta_star是在 Theta_star上的进一步改进，Theta_star是当节点加入open表时和当前点的父节点进行比较g值是否更小，对一些不必要的节点计算浪费了时间，而Lazy_Theta_star则是在弹出open表后进行比较，减少了不必要点的计算。

⛄二、部分源代码

function Lazy_Theta_star
clc;
clear;
close all
%% 初始化界面
%load maze.mat map
n = 20; % field size n x n tiles 2020的界面
%wallpercent = 0.3; % this percent of field is walls 15%的界面作为阻碍物（墙）
cmap = [1 1 1; …% 1 - white - 空地
0 0 0; …% 2 - black - 障碍
1 0 0; …% 3 - red - 已搜索过的地方
0 0 1; …% 4 - blue - 下次搜索备选中心
0 1 0; …% 5 - green - 起始点
1 1 0;…% 6 - yellow - 到目标点的路径
1 0 1];% 7 - - 目标点
colormap(cmap);
global field
field= ones(n);
startposind =22; %sub2ind用来将行列坐标转换为线性坐标，这里是必要的，因为如果把startposind设置成[x,y]的形式，访问field([x,y])的时候
goalposind =250; %它并不是访问x行y列元素，而是访问线性坐标为x和y的两个元素
%field(ceil(n^2.rand(floor(nnwallpercent),1) )) =2;
field(1:5, 7) = 2;
field(8,1:3) = 2;
field(3:5,1:5)=2;
field(5,4)=2;
% startposind = sub2ind([n,n],ceil(n.*rand),ceil(n.*rand)); %sub2ind用来将行列坐标转换为线性坐标，这里是必要的，因为如果把startposind设置成[x,y]的形式，访问field([x,y])的时候
%goalposind = sub2ind([n,n],ceil(n.*rand),ceil(n.rand)); %它并不是访问x行y列元素，而是访问线性坐标为x和y的两个元素
field(startposind )=5;
field(goalposind )=7;
costchart = NaNones(n); %costchart用来存储各个点的实际代价，NaN代表不是数据（不明确的操作）
costchart(startposind) = 0; %起点的实际代价
fieldpointers = zeros(n); %fieldpointers用来存储节点的父节点
global setOpenCosts;
setOpen = (startposind); setOpenCosts = (0); setOpenHeuristics = (Inf);
setClosed = []; setClosedCosts = [];%初始化起点的open表和close表
[goalpos(1) ,goalpos(2)] = ind2sub([n n],goalposind);
% uicontrol(‘Style’,‘pushbutton’,‘String’,‘RE-DO’, ‘FontSize’,12, …
% ‘Position’, [10 10 60 40], ‘Callback’,‘ASTAR’);

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]钱程,许映秋,谈英姿.A Star算法在RoboCup救援仿真中路径规划的应用[J].指挥与控制学报. 2017,3(03)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流人群疏散病毒扩散晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合