基于鳑鲏鱼优化算法（Bitterling Fish Optimization，BFO）的无人机三维路径规划

本文主要是介绍基于鳑鲏鱼优化算法（Bitterling Fish Optimization，BFO）的无人机三维路径规划，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、无人机路径规划模型介绍

无人机三维路径规划是指在三维空间中为无人机规划一条合理的飞行路径，使其能够安全、高效地完成任务。路径规划是无人机自主飞行的关键技术之一，它可以通过算法和模型来确定无人机的航迹，以避开障碍物、优化飞行时间和节省能量消耗。

二、算法介绍

鳑鲏鱼优化算法（Bitterling Fish Optimization，BFO）由Lida Zareian 等人于2024年提出。鳑鲏鱼在交配中，雄性和雌性物种相互接近，然后将精子和卵子释放到水中，但这种方法有一个很大的缺点。幼鱼暴露在各种外部危害中，很容易成为其他动物的猎物。换句话说，这些卵中只有少数会变成鱼——不幸的是，大多数鱼都是被其他水生动物猎杀的。苦鱼有不同的繁殖机制。这种鱼从牡蛎开始。寻找合适的产卵壳的任务是雄性物种的责任。他们需要找到更大的牡蛎，并有更多的空间来容纳它们的卵。当这些鱼找到一个或多个受害者（牡蛎）时，它们就会与敌人对抗。雄性物种具有攻击性行为的原因是其他一些雄性物种也倾向于将牡蛎用于自己。在战斗模式中，雄鱼的体色变暗，并尽其所能保卫自己的领地。在交配阶段，会发生一种称为性选择的现象。在性选择过程中，雌性物种根据颜色和体力选择雄性鱼。2024最新算法：鳑鲏鱼优化算法（Bitterling Fish Optimization，BFO）求解23个基准函数（提供MATLAB代码）-CSDN博客

参考文献：

[1] Zareian, L., Rahebi, J. & Shayegan, M.J. Bitterling fish optimization (BFO) algorithm. Multimed Tools Appl (2024). https://doi.org/10.1007/s11042-024-18579-0.

close all
clear
clc
dbstop if all error
warning ('off')
global model
model = CreateModel(); % 创建模型
F='F1';
[Xmin,Xmax,dim,fobj] = fun_info(F);%获取函数信息
pop=100;%种群大小(可以自己修改)
maxgen=100;%最大迭代次数(可以自己修改)
[fMin5,bestX5,ConvergenceCurve5] = BFO(pop, maxgen,Xmin,Xmax,dim,fobj);
cost=MyCost(bestX5,2);%'路径成本','威胁成本','高度成本','转角成本'
%% 计算航迹坐标
BestPosition5 = SphericalToCart(bestX5);
%% 保存各算法的目标函数值及收敛曲线
save fMin5 fMin5
save ConvergenceCurve5 ConvergenceCurve5
save cost cost
%% 保存航迹坐标
save BestPosition5 BestPosition5