【飞行器】基于matlab蒙特卡洛和控制算法四旋翼无人机路径规划【含Matlab源码 1988期】

一、蒙特卡洛算法简介

1 蒙特卡洛算法定义
蒙特卡洛(Monte Carlo)方法，在渲染中，我们经常听到术语“蒙特卡洛”（通常缩写为MC）。但是这是什么意思？实际上，它所指的是一个非常简单的想法，蒙特卡洛方法指的是一系列统计方法，这些方法本质上用于查找事物的解决方案，例如计算函数的期望值，或者对由于没有封闭形式而无法进行分析积分的函数进行积分。我们可以用该原理来解决不同的问题，并且针对这些问题中都可以关联不同的技术或算法。所有这些算法的共同点是它们使用随机（或随机）采样。

2 蒙特卡洛模拟法的原理
蒙特卡洛法(Monte Carlo)是统计试验计算方法，高斯正太分布的期望值µ决定函数分布位置，标准差σ决定函数分布幅度，其概率密度函数公式如下：

根据中心极限定理，当统计样本足够充足时，各独立同分布随机变量之和的分布趋近于高斯正态分布，且尺寸分布符合伯努利大数定律。因此，蒙特卡洛模拟法计算中所求数学期望即可通过函数f(x)的积分获取。

二、部分源代码

function [Data,Sim,Environment,Fail] = RunSim

% close all
% clearvars -except h GlobalTime Count Run Runs SaveFile
% clc

fprintf('-----------------------------------------------------\n')
fprintf('Simulation of an autonomous quadrotor vehicle\n')
fprintf('Murray L Ireland\n')
fprintf('September 2015\n')
fprintf('-----------------------------------------------------\n\n')

SimTime = tic;

% AGENTS ------------------------------------------------------------------

% Environment
Environment = cEnvironment;

% Quadrotors
Pos = [-1.8795 -2.5936 -0.2000]'; % Initial position (m)
Att = [0 0 0.9305]'; % Initial attitude (rad)
NumQuads = 1;
for i = 1:NumQuads
    Agents.Quad(i) = cQuadrotor(['Quad',num2str(i)],Environment,...
        'Pose',[Pos; Att]);
end

% Targets
NumTargets = 2;
TPos = [-1.6312 -1.3453 -0.05
         1.5878 -2.1132 -0.05
        -1.1280 -1.6814 -0.05]';
TAtt = [0 0 -1.6742
        0 0 -0.8256
        0 0  0.6004]';
Shapes = {'Cube','Ball','Pyramid'};
for i = 1:NumTargets
    Agents.Target(i) = cTarget(Shapes{i},Environment,'Pose');%,...
%         'Pose',[TPos(:,i); TAtt(:,i)]);
end

% SIMULATION ENGINE -------------------------------------------------------

% Simulation properties
t = 0;          % Initialise time (s)
tfin = 400;      % End time (s)
dt = 0.01;      % Solver increment (s)
tsamp = dt;    % Sample increment (s)
tsamp = 0.1;

% Initialise blackbox
Data = cBlackBox;

% Initialise
Sim = cSimEngine(Data,Environment,Agents,t,tfin,dt,tsamp);

% Simulation loop
fprintf('Running simulation...\n\n')
Data = Sim.SimLoop;
fprintf('\nSimulation complete\n')
fprintf('Time taken: %.2f s\n\n',toc(SimTime))

Fail = 0;
if abs(Data.Time(end) - tfin) < 2
    Fail = 1;
end

% Visualisations
Data.PlotData;

end



  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
  
30
  
31
  
32
  
33
  
34
  
35
  
36
  
37
  
38
  
39
  
40
  
41
  
42
  
43
  
44
  
45
  
46
  
47
  
48
  
49
  
50
  
51
  
52
  
53
  
54
  
55
  
56
  
57
  
58
  
59
  
60
  
61
  
62
  
63
  
64
  
65
  
66
  
67
  
68
  
69
  
70
  
71
  
72
  
73
  
74
 

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] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，2017.
[3]王锋.基于蒙特卡洛模拟法的动车组裙板装配优化研究[J].中国设备工程. 2020,(06)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

文章来源: qq912100926.blog.csdn.net，作者：海神之光，版权归原作者所有，如需转载，请联系作者。

原文链接：qq912100926.blog.csdn.net/article/details/125859258