蚁群算法--第四次作业.doc

题目 请以100个城市的旅行商问题为例，写出使用20只人工蚂蚁进行旅行商问题求解的基本步骤。 次数 第四次作业 姓名 周璐 学号班级 7班 正文 Q: 请以100个城市的旅行商问题为例，写出使用20只人工蚂蚁进行旅行商问题求解的基本步骤。 A：核心公式： 是信息素浓度因子；是可见度因子，通常取为城市间距离的倒数；和用来控制信息素和可见度的相对重要性；为蚂蚁k的可访问城市集合 ；Q为常量。 数据结构： 信息素矩阵（100×100阶，记录信息素浓度） 可见度矩阵（100×100阶，通常取为距离(i, j)的倒数） 禁忌表Tabu（20×100阶，记录蚂蚁k走过的城市） 初始化: 20蚂蚁随机分布到100个城市 环游: 按照第一个核心公式计算转移概率 蚂蚁依次选择路径直到返回出发点 更新信息素浓度 按照第二个核心公式计算t+1时刻的信息素浓度 停止条件 全部蚂蚁选择了同一条路线 算法运行到最大迭代次数 旅行商问题代码思路大体如下： /****************************************************************************/ /初始化蚁群 /****************************************************************************/ m=20; //蚁群中蚂蚁的数量，当m接近或等于城市个数n时，本算法可以在最少的迭代次数内找到最优解 n=20; //表示TSP问题的规模，亦即城市的数量,这里为100 D[100][100]={…}; //表示城市完全地图的赋权邻接矩阵，记录城市之间的距离 Nc_max=200; //最大循环次数，即算法迭代的次数，亦即蚂蚁出动的拨数（每拨蚂蚁的数量都是20） alpha=1; //蚂蚁在运动过程中所积累信息（即信息素）在蚂蚁选择路径时的相对重要程度，alpha过大时，算法迭代到一定代数后将出现停滞现象 beta=5; //启发式因子在蚂蚁选择路径时的相对重要程度 rho=0.5; //(0rho1)表示路径上信息素的衰减系数（亦称挥发系数、蒸发系数），1-rho表示信息素的持久性系数 Q=100; //蚂蚁释放的信息素量，对本算法的性能影响不大 /****************************************************************************/ /变量初始化 /****************************************************************************/ eta=1/D; //启发式因子，这里设为城市之间距离的倒数 pheromone=ones(n,n); //信息素矩阵,这里假设任何两个城市之间路径上的初始信息素都为1 tabu_list=zeros(m,n); //禁忌表，记录蚂蚁已经走过的城市，蚂蚁在本次循环中不能再经过这些城市。当本次循环结束后，禁忌表被用来计算蚂蚁当前所建立的解决方案，即经过的路径和路径的长度 Nc=0; //循环次数计数器 routh_best=zeros(Nc_max,n); //各次循环的最短路径 length_best=ones(Nc_max,1); //各次循环最短路径的长度 length_average=ones(Nc_max,1);//各次循环所有路径的平均长度 while NcNc_max //将m只蚂蚁放在n个城市上 rand_position=[]; for (i=1;iceil(m/n);i++) rand_position=[rand_position,randperm(n)]; end tabu_list(i,0)=(rand_position(1:m));//这里i从0取到19,1:m表示随着i的增大而讲tabu_list从随机位置1初始化到位置m。将蚂蚁放在城市上之后的禁忌表，第i行表示第i只蚂蚁，第i行第一列元素表示第i只蚂蚁所在的初始城市 /****************************************************************************/ /m只蚂蚁按概率函数选择下一座城市，在本次循环中完成各自的周游 /****************************************************************************/ for j=