【机器人编队】基于matlab A_Star算法机器人编队栅格地图巡逻路径规划【含Matlab源码 2808期 】

💥💥💥💥💥💥💞💞💞💞💞💞💞💞欢迎来到海神之光博客之家💞💞💞💞💞💞💞💞💥💥💥💥💥💥

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进；
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式

⛳️座右铭：行百里者，半于九十。
更多Matlab路径规划仿真内容点击👇
①Matlab路径规划（进阶版）
②付费专栏Matlab路径规划（初级版）

⛳️关注优快云海神之光，更多资源等你来！！

⛄一、A_star算法简介

1 A Star算法及其应用现状
进行搜索任务时提取的有助于简化搜索过程的信息被称为启发信息.启发信息经过文字提炼和公式化后转变为启发函数.启发函数可以表示自起始顶点至目标顶点间的估算距离, 也可以表示自起始顶点至目标顶点间的估算时间等.描述不同的情境、解决不同的问题所采用的启发函数各不相同.我们默认将启发函数命名为H (n) .以启发函数为策略支持的搜索方式我们称之为启发型搜索算法.在救援机器人的路径规划中, A Star算法能结合搜索任务中的环境情况, 缩小搜索范围, 提高搜索效率, 使搜索过程更具方向性、智能性, 所以A Star算法能较好地应用于机器人路径规划相关领域.

2 A Star算法流程
承接2.1节, A Star算法的启发函数是用来估算起始点到目标点的距离, 从而缩小搜索范围, 提高搜索效率.A Star算法的数学公式为:F (n) =G (n) +H (n) , 其中F (n) 是从起始点经由节点n到目标点的估计函数, G (n) 表示从起点移动到方格n的实际移动代价, H (n) 表示从方格n移动到目标点的估算移动代价.

如图2所示, 将要搜寻的区域划分成了正方形的格子, 每个格子的状态分为可通过(walkable) 和不可通过 (unwalkable) .取每个可通过方块的代价值为1, 且可以沿对角移动 (估值不考虑对角移动) .其搜索路径流程如下:

图2 A Star算法路径规划
Step1:定义名为open和closed的两个列表;open列表用于存放所有被考虑来寻找路径的方块, closed列表用于存放不会再考虑的方块;
Step2:A为起点, B为目标点, 从起点A开始, 并将起点A放入open列表中, closed列表初始化为空;
Step3:查看与A相邻的方格n (n称为A的子点, A称为n的父点) , 可通过的方格加入到open列表中, 计算它们的F, G和H值.将A从open移除加入到closed列表中;
Step4:判断open列表是否为空, 如果是, 表示搜索失败, 如果不是, 执行下一步骤;
Step5:将n从open列表移除加入到closed列表中, 判断n是否为目标顶点B, 如果是, 表示搜索成功, 算法运行结束;
Step6:如果不是, 则扩展搜索n的子顶点:
a.如果子顶点是不可通过或在close列表中, 忽略它.
b.子顶点如果不在open列表中, 则加入open列表, 并且把当前方格设置为它的父亲, 记录该方格的F, G和H值.
Step7:跳转到步骤Step4;
Step8:循环结束, 保存路径.从终点开始, 每个方格沿着父节点移动直至起点, 即是最优路径.A Star算法流程图如图3所示.

图3 A Star算法流程

3 A_Star算法机器人编队栅格地图巡逻路径规划
A*算法在栅格地图巡逻路径规划中的基本步骤：

地图建模：将栅格地图划分为一系列网格，每个网格表示地图上的一个区域。在每个网格中，标记出障碍物或其他不可通过的区域。

节点表示：将每个网格作为一个节点，并为每个节点确定位置坐标。使用节点之间的连接关系表示可行的移动路径。

启发式函数：定义一个启发式函数（也称为估价函数），用于评估当前节点到目标节点的估计代价。常用的启发式函数是欧几里得距离或曼哈顿距离等。

开放列表和关闭列表：创建一个开放列表和一个关闭列表，用于存储待探索和已探索的节点。开始时，将起始节点添加到开放列表。

搜索过程：重复以下步骤直到找到目标节点或开放列表为空：

从开放列表中选择具有最小估计代价的节点作为当前节点。
将当前节点从开放列表中移至关闭列表。
对当前节点的相邻节点进行遍历，计算它们的估计代价，并更新它们的父节点和代价值。
如果相邻节点不在开放列表中，将其加入开放列表；如果已经在开放列表中，更新其父节点和代价值。
生成路径：当找到目标节点时，回溯每个节点的父节点，直到回溯到起始节点。这样就可以得到从起始节点到目标节点的最短路径。

⛄二、部分源代码

clear;clc;close all;
%DEFINE THE 2-D MAP ARRAY
MAX_X=30;
MAX_Y=30;
MAX_VAL=10;
OPEN_COUNT=0;
CLOSED_COUNT=0;
%This array stores the coordinates of the map and the
%Objects in each coordinate
MAP=2*(ones(MAX_X,MAX_Y));

% Obtain Obstacle, Target and Robot Position
% Initialize the MAP with input values
% Obstacle=-1,Target = 0,Robot=1,Space=2
i=0;j=0;
x_val = 1;
y_val = 1;
axis([0 MAX_X,0 MAX_Y])
set(gca,‘xtick’,0:1:30,‘ytick’,0:1:30,‘GridLineStyle’,‘-’,…
‘xGrid’,‘on’,‘yGrid’,‘on’)
%grid on;
hold on;
n=0;%Number of Obstacles

%rectangle(‘Position’,[6,3,3,2],‘FaceColor’,[0.3 0.3 0.3]);

pause(1);
h=msgbox(‘Please Select the Target using the Left Mouse button’);
uiwait(h,5);
if ishandle(h) == 1
delete(h);
end
xlabel(‘Please Select the Target using the Left Mouse button’,‘Color’,‘black’);
but=0;
while (but ~= 1) %Repeat until the Left button is not clicked
[xval,yval,but]=ginput(1);
end
xval=floor(xval);
yval=floor(yval);
xTarget=xval;%X Coordinate of the Target
yTarget=yval;%Y Coordinate of the Target

MAP(xval,yval)=0;%Initialize MAP with location of the target
%MAP(26,20)=-1;
%MAP(26,21)=-1;
%MAP(25,20)=-1;
%MAP(25,22)=-1;
%MAP(23,25)=-1;

plot(xval+.5,yval+.5,‘gd’);
text(xval+1,yval+.5,‘Target’)

pause(2);
h=msgbox(‘Select Obstacles using the Left Mouse button,to select the last obstacle use the Right button’);
xlabel(‘Select Obstacles using the Left Mouse button,to select the last obstacle use the Right button’,‘Color’,‘black’);
uiwait(h,10);
if ishandle(h) == 1
delete(h);
end
while but == 1
[xval,yval,but] = ginput(1);
xval=floor(xval);
yval=floor(yval);
MAP(xval,yval)=-1;%Put on the closed list as well
% plot(xval+.5,yval+.5,‘ro’);
rectangle(‘Position’,[xval,yval,1,1],‘FaceColor’,[0.3 0.3 0.3]);

end%End of While loop

pause(1);

h=msgbox(‘Please Select the USV initial position using the Left Mouse button’);
uiwait(h,5);
if ishandle(h) == 1
delete(h);
end
xlabel('Please Select the USV initial position ',‘Color’,‘black’);
but=0;
while (but ~= 1) %Repeat until the Left button is not clicked
[xval,yval,but]=ginput(1);
xval=floor(xval);
yval=floor(yval);
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]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