在编写基于栅格法人工鱼群算法用到的一些MATLAB知识储备

1 在向量a中，随机取出一个整数元素：

                            a(uint16(rand * (length(a) - 1) + 1))

其中：
rand 生成一个[0, 1] 之间的随机实数。
length(a) - 1 是a的元素个数减去1。
rand * (length(a) - 1) + 1把这个随机数变为 [1, a的元素个数] 之间的随机实数。
uint16(...)把这个实数转化为无符号16位整数，当然你用int16或者uint32等等也行，总之必须满足数组下标是整数类型的要求。

2 要在整个人工鱼区域内取出除障碍物以外的可行域，使用 stediff函数。

            allow = setdiff(1:1:n^2,Barrier);

算法描述如下：

for i = 1:1:length(allow)
if distance(n,ppValue,allow(i)) <=rightInf && 0 < distance(ppValue,allow(i))
allow_area(j) = allow(i);
j = j+1;
end

end

%distance是为了求解距离是否在(0,sqrt(2)]之间。

3 tic---toc放在程序的开始和结束，可以显示运行程序的时间。

4 取得栅格地图中的障碍物集合

Barrier = (find(a==0))';%Barrier转换成行向量。

5 在算法的测试阶段，发现仅仅执行觅食行为，会导致算法陷入局部最优解，状况如下：

在编写基于栅格法人工鱼群算法用到的一些MATLAB知识储备

在图中230 ，208处，出现跳跃，是应为，陷入局部最优解。解释如下：

（12，10）----230，d1

（11， 8）-----208，d2

di (i=1，2，...),为当前位置到Goal位置的欧氏距离。

d1 = sqrt((12-20)^2+(10-0)^2) = sqrt(164);

d2 = sqrt((11-20)^2+(8-0)^2) = sqrt(145);

d2<d1,所以d2优于d1，即208，比230更加接近goal，在欧式距离上。

而230的可行域只有，210，和211，他们们到goal的距离都大于208都不是最优解，所以算法在此处陷入局部最优解。

在加入追尾和群居算法后，可改善这个问题的出现。

6 在群聚和追尾行为中，要求附近鱼群的中心点Xc，因为在栅格中处理不存在小数，所以要取整化

使用如下函数：

floor、ceil、round、fix

floor:朝负无穷方向靠近最近的整数；

ceil:朝正无穷方向靠近最近的整数；

round:取最近的整数（相当于四舍五入

fix:取离0最近的整数

7 Matlab有for ,while两种循环方式但是区别很大，

for i = .....

%修改i的值；

end

运行结果，在循环中i的值是不会受影响的

%初始化i

while i<...

%修改i的值

end

运行结果，i的值会直接被修改。

8 Matlab中找出两个矩阵公共元素

intersect

a = [ 4 3 6 8 0 1];

b = [ 1 2 3 5 7 0 9 10];

[c,ia,ib] = intersect(a,b)

运行结果：

            c =
             0 1 3
            ia =
             5
             6
             2
            ib =
             6
             1

9 在MATLAB中使用[c,ia,ib] = intersect(a,b)函数获得两个矩阵的公共部分时，ib中的顺序不在保持原样了，被重新排列了，要注意。可以通过sort函数还原

在编写基于栅格法人工鱼群算法用到的一些MATLAB知识储备

10 当前程序处理完后，可直接用cftool命令调出界面，拟合曲线

在编写基于栅格法人工鱼群算法用到的一些MATLAB知识储备

相关推荐