#生物背景
蜜蜂是一种群居生物，生物学家研究发现蜜蜂以跳舞的方式来交换蜜源信息。根据分工的不同，蜜蜂被分为三个工种：引领峰、跟随蜂、侦察蜂。
侦察蜂的职责是侦察蜜源（即蜜蜂的食物），一旦某一个侦察蜂找到蜜源后，实际上它的角色就切换为引领蜂了。
找到蜜源后的引领峰以跳舞的方式向同伴传递自己找到食物的信息，这时候一些饥饿的、没有找到食物的蜜蜂就会沿着引领峰指明的方向去寻找食物，这些相信引领峰传递的信息的蜜蜂实际上就是跟随蜂。这实际上属于招募蜜蜂的行为。
当引领峰寻找了多次蜜源后，发现再也找不到吃起来更香的蜜源后，引领峰说话的信服力会降低，于是跟随蜂也逐渐不相信引领峰传递的信息。
引领峰转变角色，做回侦察蜂。直到再次找到高质量的蜜源后，再做回引领峰，这实际上属于放弃蜜源的行为。
综上，蜂群实现群体智慧的最小搜索模型包括蜜源、引领蜂、跟随蜂和侦察蜂共4个组成要素，以及招募蜜蜂和放弃蜜源2种基本的行为。
#步骤
1）初始化各蜜源 ; 设定参数数量、侦察蜂搜索阈值以及最大迭代次数;
2）为蜜源分配一只引领蜂，在范围内进行随机搜索，产生新蜜源 ;
3）依据适应度评价函数，根据贪婪选择的方法确定保留的蜜源;
4) 轮盘赌计算引领蜂找到的蜜源被跟随的概率;
5）跟随峰采用与引领蜂相同的方式进行搜索，根据贪婪选择的方法确定保留的蜜源;
6）判断蜜源是否满足被放弃的条件。如满足，对应的引领蜂角色变为侦察蜂，否则直接转到8）;
7）侦察蜂根据式（4）随机产生新蜜源;
8）判断算法是否满足终止条件，若满足则终止，输出最优解，否则转到2
#多无人机轨迹规划约束
#算法步骤
| 蜂群采蜜行为 | 无人机代价函数优化问题 |
| 蜜源位置 | 可行路径节点的坐标值 |
| 蜜源的收益度大小 | 可行路径节点坐标的质量 |
| 寻找蜜源与采蜜的速度 | 无人机代价函数的求解速度 |
##仿真
代码结果：
distance_min =
264.8229
204.0834
318.8194
291.2678
routes_distance =
265.1149
211.3959
363.0191
309.3624
time_plan =
8.8372
26.8372
35.8372
17.8372
V_plan =
30.0000
7.8770
10.1297
17.3437
代码链接GitHub - promising76/abc-UAVplanning
部分代码如下：
clc
close all
clear all
%================================��������=============================================%
global boundary setstart setfinal node delta_H danger_xi danger_yi danger_zi danger_ri weight;
%node=12;%���յ��������ʼ�㵽�յ�Ľڵ����(ż��)
L_FEN=26;%���ýڵ��ļ������
delta_H=[20 40];%���(���)�߶ȡ����й�����߶�
danger_xi=[207.1 393.9];%�������������
danger_yi=[333.3 414.1];
danger_zi=[389.9 349.2];
danger_ri=[0 0];%������в�뾶
weight=[1 0.01 0.3];%·�����ȡ������߶ȡ��н���ռȨ��
boundary=[500 0];%���û���������
setfinal=[291.8 219.8 492.4];%�����յ�
setstart_ALL=[176.8 237.4 254.5;%������㣬����Ϊ���˻�1��2��3...161.6 363.6 429;454.5 146.5 228.2;393.9 308.1 234.3];
Vmin=3;%�������˻������ٶȷ�Χ��m/s��
Vmax=30;
Ways=2;%Ways=1ʱ��ʵ��ͬʱ��ɣ�ͬʱ����Ŀ�ꣻWays=2ʱ��ʵ��ָ��˳�����ε���Ŀ��
Order=[1 4 2 3];%���˻�����˳��
interval=9;%���˻�������ʱ�䣨s��
%====================================================================================%
lineX=size(setstart_ALL,1);
