【无人机编队】flocking多智能体无人机编队集群【含Matlab源码 3438期】

💥💥💥💥💥💥💥💥💞💞💞💞💞💞💞💞💞Matlab武动乾坤博客之家💞💞💞💞💞💞💞💞💞💥💥💥💥💥💥💥💥
🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

🔊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、多智能体群集与避障算法研究简介

采用分散控制的策略, 将多智能体群体运动的总控制律分成三个子控制律, 即编队控制、避障控制、目标控制, 分别研究了多智能体运动中智能体之间位置和速度的协调、躲避障碍物和向目标点移动的控制, 如图1所示。

图1 智能体集群运动模型

1 多智能体群集运动基本模型
根据图1所示的多智能体运动模型, 假设第i个α-智能体的控制律为μi, 则

图2 第i个α-智能体的控制示意图

2 多智能体群集控制与共识算法研究
考虑由N个α-智能体组成的智能群体, 其动态方程为:

α-智能体的邻接矩阵用A=[aij]表示, 其中对于∀i∈I:j≠i, j∈Ni, aij>0;否则, aij=0。
为了构建群集运动的一个光滑集成势场以及构建一个邻接网络的空间邻接矩阵, 定义一个叫做σ范式的非负地图。

并用冲击函数来构建光滑势场函数以及光滑邻接矩阵, 选择冲击函数如下:

其中, h∈ (0, 1) 。用这个冲击函数, 可以定义空间邻接矩阵A § :

当第i个α-智能体与邻接节点保持距离dα时, 认为其几何结构处于稳定状态, 即

α-智能体群体之间根据Reynolds提出的聚集行为三条基本规则, 避撞、结对、聚集, 构建一个光滑的成对势场, 描述了任意两个α-智能体之间内部的运动规则。

式中, c1α, c2α为加权系数。

当α-智能体群体根据该算法进行群集控制时, 需要判定该群体是否达成了共识。我们可以参考Reynolds提出的聚集行为基本规则, 获得智能体群体共识条件:
(1) 根据邻接矩阵, 利用连通图检测网络连通情况, 若连通最大分量为M, 则需M=N;
(2) 对于∀ (i, j) ∈I, ||pj (k) -pi (k) ||>δc, 其中δc为智能体之间的危险距离;
(3) 对于∀ (i, j) ∈I (i≠j)

⛄二、部分源代码

%clearing variables
clc,clear
close all
%declaring nodes, desired distance and other parameters
n = 100;
dim = 2;
d = 15;
k = 1.2;
r = k * d;
h = 0.2;
neigh = {};
%Optional paramters
epsilon = 0.1;
delta_t = 0.009;
t = 0:delta_t:7;% Set simulation time
c1 = 30;
c2 = 2 * sqrt(c1);
%Randomely generating the points
x = rand(n,1).*50;
y = rand(n,1).*50;
%Calculating neighbors and plotting the graph connecting neighbors
[x,y,neigh] = compute(x,y,r,n,neigh);
plotgraph(x,y,neigh,n);

%Declaring variables required for movement of the nodes
old_x = x;
old_y = y;
p_nodes = zeros(n,dim);
u_nodes = zeros(n,dim);
sum1 = zeros(n,dim);
sum2 = zeros(n,dim);
%Variables for keeping track of the node parameters for each iteration
x_iter = zeros(n,length(t));
y_iter = zeros(n,length(t));
p_iter = zeros(length(t),n);
n_iter = ones(length(t),1);
rk_iter = zeros(length(t),1);

%Loop for movement of the flock
for iter = 1:length(t)
p_nodes(:,1) = (x - old_x)/delta_t; %Calculating velocity of the nod閟
p_nodes(:,2) = (y - old_y)/delta_t;
if (iter > 1)
p_iter(iter,:) = ((p_nodes(:,1).^2) + (p_nodes(:,2).^2)); %Saving node velocity values for each iteration
n_iter(iter) = iter; %saving the no: of iterations
end
old_x = x; %Saving old x and y values for the purpose of calculating velocity
old_y = y;
[x,y,neigh] = compute(x,y,r,n,neigh); %Computing neighbors
[adij] = adjacent(neigh,n); %Computing the adjacency matrix (For Connectivity)
rk_iter(iter) = rank(adij)/n; %Computing connectivity
[adj] = fadj(x,y,neigh,r,n);
[grad] = GBT(x,y,r,d,neigh,n); %Computing the Gradient Base Term
[adjterm] = CBT(p_nodes,neigh,adj,n);%Computing the Concensus Base Term
grad = c1 * grad;
adjterm = c2 * adjterm;
u_nodes = grad + adjterm; %Calculating accelaration
x = old_x + (delta_t * p_nodes(:,1)) + (((delta_t^2)/2) * u_nodes(:,1)); %Changing the position of the nodes
y = old_y + (delta_t * p_nodes(:,2)) + (((delta_t^2)/2) * u_nodes(:,2));
x_iter(:,iter) = x; %Saving the position for every iteration
y_iter(:,iter) = y;
hold off;
plotgraph(x,y,neigh,n); %Plotting the graph
drawnow;
end

%Plotting the velocity
figure(2)
for i = 1:n
plot(n_iter,p_iter(:,i));
hold on;
end

%Plotting the connectivity
figure(3)
plot(n_iter,rk_iter);

%Plotting the trajectory
figure(4)
for i = 1:length(t)
if(i == length(t))
plot(x_iter(:,i),y_iter(:,i),‘m>’);
else
plot(x_iter(:,i),y_iter(:,i),‘k.’);
end
hold on;
end

⛄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] 刘婵,朱永川,白园,何健辉.基于flocking的多智能体群集与避障算法研究与仿真[J].通信技术. 2019,52(07)

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