计算智能课程作业讲述.doc

利用蚁群算法求解tsp问题 ? TSP问题又称最短路径问题，还称为旅行商问题，是一种比较经典的?NP?难 题，问题描述较简单，而获得最优解却十分困难。求解?TSP?问题不仅为其他算法提供了使用平台，而且算法的优劣性能也可通过其求得?TSP?问题的解集来验证。旅行商问题的经典描述为：已知N?个城市及相互间的距离，旅行商从某城市出发遍历这?N?个城市后再回到原点，在旅行商每个城市都只访问一次的前提下确定一条最短路径。? 蚁群算法是一种基于种群的启发式仿生进化系统。该算法通过模拟自然界的蚂蚁觅食过程对目标进行搜索，而在搜索过程中人工蚂蚁会在其经过的路径上释放信息素，蚁群依赖于同类散发在周围环境中的特殊物质—信息素的轨迹来决定自己的去向。当某些路径上走过的蚂蚁越来越多时，留下的信息素也会越来越多，以致后蚂蚁选择该路径的概率也越来越高，从而更增加了该路径的吸引强度，逐渐形成了一条它们自己事先并未意识到的最短路线。? ???蚁群算法实现TSP?过程为：将?m?只蚂蚁放入到?n?个随机选择的城市中，那么每个蚂蚁每步的行动是：根据一定的依据选择下一个它还没有访问的城市；同时在完成一步（从一个城市到达另一个城市）或者一个循环（完成对所有?n?个城市的访问）后，更新所有路径上的信息素浓度 蚁群算法的实现步骤 步骤1初始化相关参数如蚂蚁的数目。 步骤2将蚂蚁随机或均匀分布到各个城市。 步骤3每只蚂蚁通过访问各个城市而形成一个解并在访问的过程中将已访问到的城市保留在i中。在城市i中每只蚂蚁要从没有访问的城市中选择访问下一个城市j时须根据概率公式(1)进行选择如此循环直到所有的蚂蚁访问完所有的城市。 步骤4计算每只蚂蚁行走的总路径长度Lk并保存最优解。 数学模型的建立 蚁群算法解决TSP问题的MATLAB实现 出动m只蚂蚁，每只蚂蚁各随机选择一条路径，记为I=[1 2 3···m]，长度记为long(I); 计算出每条路径的信息素浓度，记为P(I)=1/long(I)，并进行归一化处理; 重新出动m只蚂蚁，按如下规则选择路径： ? 1, 每只蚂蚁都以一个概率p1选择新路径(路径随机) 2, 未选择新路径的蚂蚁以概率P(I)选择路径I； 3, 所有蚂蚁都以一个小概率p2对自己的路径进行局部变化； 更新所有路径，计算出每条路径的信息素浓度； 重复上述步骤，直至仅剩一条路径。 Matlab算法实现 function [R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ACATSP(C,NC_max,m,Alpha,Beta,Rho,Q)%%=========================================================================%% ACATSP.m%% Ant Colony Algorithm for Traveling Salesman Problem%% ChengAihua,PLA Information Engineering University,ZhengZhou,China%% Email:aihuacheng@%% All rights reserved%%-------------------------------------------------------------------------%% 主要符号说明%% C n个城市的坐标，n×2的矩阵%% NC_max 最大迭代次数%% m 蚂蚁个数%% Alpha 表征信息素重要程度的参数%% Beta 表征启发式因子重要程度的参数%% Rho 信息素蒸发系数%% Q 信息素增加强度系数%% R_best 各代最佳路线%% L_best 各代最佳路线的长度%%========================================================================= 第一步：变量初始化 n=size(C,1);%n表示问题的规模（城市个数）D=zeros(n,n);%D表示完全图的赋权邻接矩阵for i=1:nfor j=1:nif i~=jD(i,j)=((C(i,1)-C(j,1))^2+(C(i,2)-C(j,2))^2)^0.5;elseD(i,j)=eps;endD(j,i)=D(i,j);endendEta=1./D;%Eta为启发因子，这里设为距离的倒数Tau=ones(n,n);%Tau为信息素矩阵Tabu=zeros(m,n);%存储并记录路径的生成N