✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知。
更多Matlab仿真内容点击👇
⛄ 内容介绍
无人机作为侦察和作战的重要手段,重要的是保证侦察目标的准确性,对任务/航迹规划系统是无人机实现自主飞行和自主攻击的关键技术.在给出无人机航迹规划问题描述的基础上,提出一种基于粒子群优化算法的无人机航迹规划方法,利用粒子群优化算法,将约束条件和搜索算法相结合,从而有效减小搜索空间,得到一条全局最优路径并进行仿真.仿真结果表明,规划方法能够快速有效地完成规划任务,获得满意的航迹,满足无人机作战要求,具有重要的现实意义.
⛄ 部分代码
clear all
clc
close all
% for o=1:4
tic
% for u=1:50
%% 设置各参数值
startX=0;startY=0; %起开始坐标
endX=700;endY=700; %结束坐标
c1=2;
c2=2; %学习因子
w=0.7; %惯性权数
pop=20; %粒子数
N_gen=500;
popmax=700;
popmin=0; %位置范围，根据测试函数而定
Vmax=20;
Vmin=-20; %速度范围，根据测试函数而定
gridCount=30;
%% 生成山峰
threat=[304 400 0;404 320 0;440 500 0;279 310 0;560 220 0;172 527 0;....
194 220 0;272 522 0;350 200 0;....
650 400 0;740 250 0;540 375 0;510 600 0];
r=[45 50 55 10 70 65 55 25 50 30 40 40 35];
text(position(1,1)',position(1,2)','S');
text(position(gridCount+1,1)',position(gridCount+1,2)','T');
figure(2)
plot(Fmin);
% title(['最佳个体适应度变化趋势,最佳适应值=' num2str(BestFitness)])
title(['最后适应值 =' num2str(min(Fmin))]);
xlabel('迭代次数')
ylabel('适应度值')
%% 分析结果
% plot(yy);
% title(['适应度曲线 最优适应度值：' num2str(yy(500))]);
% xlabel('进化次数');
% ylabel('适应度');
⛄ 运行结果
