基于Matlab的Dijkstra算法与蚁群优化算法路径规划

3基于matlab的Dijkstra和蚁群优化算法路径规划 Dijkstra算法研究的是从初始点到其他每一结点的最短路径，从而得到最短路径 蚂蚁会以较大的概率优先选择信息素浓度较高的路径， 并释放一定量的信息素， 以增强该条路径上的信息素浓度， 形成一个正反馈 最终， 蚂蚁能够找到一条从巢穴到食物源的最佳路径 程序已调通，可直接运行

今天咱们聊聊机器人路径规划里两个经典玩法：学院派老大哥Dijkstra和生物仿生流派的蚁群算法。这两种算法在MATLAB里跑起来还挺有意思，特别是看着蚂蚁们怎么从瞎晃悠到找到最优路线，跟看动物世界似的。

先看Dijkstra这老实人算法。核心思想就一句话——所有岔路都走一遍，肯定能找到最短的。来看这段MATLAB实现：

function [path, dist] = dijkstra(adjMatrix, startNode) numNodes = size(adjMatrix,1); visited = false(1,numNodes); distance = inf(1,numNodes); distance(startNode) = 0; for i = 1:numNodes-1 [~, currentNode] = min(distance .* ~visited); visited(currentNode) = true; for neighbor = find(adjMatrix(currentNode,:)) if ~visited(neighbor) && (distance(currentNode) + adjMatrix(currentNode,neighbor) < distance(neighbor)) distance(neighbor) = distance(currentNode) + adjMatrix(currentNode,neighbor); end end end % 后边还有回溯路径的代码... end

这代码最骚的是用邻接矩阵存图结构，currentNode每次选未访问节点里最小的。注意那个.* ~visited操作，既排除了已访问节点又保持矩阵维度，这种向量化操作才是MATLAB的精髓。不过当节点数上去之后，这种暴力搜索效率就捉急了。

3基于matlab的Dijkstra和蚁群优化算法路径规划 Dijkstra算法研究的是从初始点到其他每一结点的最短路径，从而得到最短路径 蚂蚁会以较大的概率优先选择信息素浓度较高的路径， 并释放一定量的信息素， 以增强该条路径上的信息素浓度， 形成一个正反馈 最终， 蚂蚁能够找到一条从巢穴到食物源的最佳路径 程序已调通，可直接运行

转头看看蚁群算法，完全是另一番景象。百来只蚂蚁在地图上瞎逛，愣是能走出最优路线。参数设置是门玄学，咱们看核心迭代部分：

for iter = 1:maxIter % 蚂蚁放出去溜达 for k = 1:numAnts path = startNode; while path(end) ~= endNode next = selectNextNode(tau, eta, allowedNodes, alpha, beta); path = [path, next]; end % 更新信息素... end % 信息素挥发 tau = (1 - rho) * tau; % 精英蚂蚁加强 [bestDist, idx] = min(allDistances); tau = updateTau(tau, bestPath, bestDist); end

selectNextNode函数里藏着蚂蚁选路的秘密——用轮盘赌选择概率：

prob = (tau(current,allowed).^alpha) .* (eta(current,allowed).^beta); prob = prob / sum(prob); nextIndex = randsample(1:length(allowed), 1, true, prob);

alpha控制信息素权重，beta影响启发因子（通常取距离倒数）。参数调不好就容易陷入局部最优，这时候加个精英保留策略，让每次迭代的最优路径额外增加信息素，相当于给算法加了个记忆功能。

跑起来对比挺有意思：Dijkstra在30x30的栅格地图上稳稳当当生成最短路径，耗时0.8秒；蚁群算法前20代还在抽风似的乱撞，50代后突然开窍找到最优解，耗时3.2秒但路径更丝滑。实际应用里，前者适合静态环境导航，后者在动态障碍物场景下更有优势——毕竟蚂蚁们随时能用信息素更新路线。

最后说个坑：信息素初始值别设太小，否则前期收敛太慢。见过有人设成0.01，结果迭代200次还没找到路，活活把程序跑成屏保动画。建议用1/(平均节点数*平均距离)当初始值，亲测好使。