【協(xié)同任務】基于遺傳算法求解考慮分配次序的多無人機協(xié)同任務分配問題附Matlab代碼
【協(xié)同任務】基于遺傳算法求解考慮分配次序的多無人機協(xié)同任務分配問題附Matlab代碼
TT_Matlab
博主簡介：擅長智能優(yōu)化算法、神經(jīng)網(wǎng)絡預測、信號處理、元胞自動機、圖像處理、路徑規(guī)劃、無人機等多種領(lǐng)域的Matlab仿真，完整matlab代碼或者程序定制加qq1575304183。機器學習之心，前程算法屋的代碼一律可以八折購買。
?作者簡介：熱愛科研的Matlab仿真開發(fā)者，修心和技術(shù)同步精進，代碼獲取、論文復現(xiàn)及科研仿真合作可私信。
個人主頁：Matlab科研工作室
個人信條：格物致知。
更多Matlab完整代碼及仿真定制內(nèi)容點擊
智能優(yōu)化算法 神經(jīng)網(wǎng)絡預測 雷達通信 無線傳感器 電力系統(tǒng)
信號處理 圖像處理 路徑規(guī)劃 元胞自動機 無人機
物理應用 機器學習
內(nèi)容介紹
部分代碼
for
i=
1
:
4000
%s(i) = (
log
(i))/(
log
(
4000
));
t(i) = (
log
(i)^
2
)/(
log
(
4000
)^
2
);
y
(i) = (
log
(i)^
3
)/(
log
(
4000
)^
3
);
m
(i) = (
log
(i)^
5
)/(
log
(
4000
)^
5
);
n(i) = (
log
(i)^
8
)/(
log
(
4000
)^
8
);
end
%plot(
1
:
4000
,
1
-
s
,
’linewidth’
,
2.0
)
hold on
grid on;
plot(
1
:
4000
,
1
-t,
’g’
,
’linewidth’
,
2.0
)
plot(
1
:
4000
,
1
-
y
,
’r’
,
’linewidth’
,
2.0
)
plot(
1
:
4000
,
1
-
m
,
’k’
,
’linewidth’
,
2.0
)
plot(
1
:
4000
,
1
-n,
’c’
,
’linewidth’
,
2.0
)
legend(
’n=2’
,
’n=3’
,
’n=5’
,
’n=8’
);
text(
1500
,
0
.
1
,
’Pc=1-log(x)/log(s)^2’
,
’Color’
,
’g’
);
text(
1000
,
0
.
3
,
’Pc=1-(log(x)/log(s))^3’
,
’Color’
,
’r’
);
text(
800
,
0
.
5
,
’Pc=1-(log(x)/log(s))^5’
,
’Color’
,
’k’
);
text(
600
,
0
.
7
,
’Pc=1-(log(x)/log(s))^8’
,
’Color’
,
’c’
);
?? 運行結(jié)果
參考文獻
部分理論引用網(wǎng)絡文獻，若有侵權(quán)聯(lián)系博主刪除
關(guān)注我領(lǐng)取海量matlab電子書和數(shù)學建模資料
私信完整代碼和數(shù)據(jù)獲取及論文數(shù)模仿真定制
1 各類智能優(yōu)化算法改進及應用
生產(chǎn)調(diào)度、經(jīng)濟調(diào)度、裝配線調(diào)度、充電優(yōu)化、車間調(diào)度、發(fā)車優(yōu)化、水庫調(diào)度、三維裝箱、物流選址、貨位優(yōu)化、公交排班優(yōu)化、充電樁布局優(yōu)化、車間布局優(yōu)化、集裝箱船配載優(yōu)化、水泵組合優(yōu)化、解醫(yī)療資源分配優(yōu)化、設施布局優(yōu)化、可視域基站和無人機選址優(yōu)化、背包問題、 風電場布局、時隙分配優(yōu)化、 最佳分布式發(fā)電單元分配、多階段管道維修、 工廠-中心-需求點三級選址問題、 應急生活物質(zhì)配送中心選址、 基站選址、 道路燈柱布置、 樞紐節(jié)點部署、 輸電線路臺風監(jiān)測裝置、 集裝箱船配載優(yōu)化、 機組優(yōu)化、 投資優(yōu)化組合、云服務器組合優(yōu)化、 天線線性陣列分布優(yōu)化、 CVRP問題、VRPPD問題、多中心VRP問題、多層網(wǎng)絡的VRP問題、 多中心多車型的VRP問題、 動態(tài)VRP問題、雙層車輛路徑規(guī)劃（2E-VRP）、充電車輛路徑規(guī)劃（EVRP）、油電混合車輛路徑規(guī)劃、 混 合流水車間問題、 訂單拆分調(diào)度問題、 公交車的調(diào)度排班優(yōu)化問題、航班擺渡車輛調(diào)度問題、 選址路徑規(guī)劃問題
2 機器學習和深度學習方面
2.1 bp時序、回歸預測和分類
2.2 ENS聲神經(jīng)網(wǎng)絡時序、回歸預測和分類
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量機系列時序、回歸預測和分類
2.4 CNN/TCN卷積神經(jīng)網(wǎng)絡系列時序、回歸預測和分類
2.5 ELM/KELM/RELM/DELM極限學習機系列 時序、回歸 預測和分類
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU門控神經(jīng)網(wǎng)絡 時序、回歸 預測和分類
2.7 ELMAN遞歸神經(jīng)網(wǎng)絡時序、回歸預測和分類
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/長短記憶神經(jīng)網(wǎng)絡系列時序、回歸預測和分類
2.9 RBF徑向基神經(jīng)網(wǎng)絡時序、回歸預測和分類