蚁群优化神经网络.doc

二、 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%%-------------------------------------------------------------------------%%??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%%================================================================C=[1304,2312;3639,1315;4177,2244;3712,1399;3488,1535;3326,1556;? ? 3238 1229;4196 1004;4312 790;4386 570;3007 1970;2562 1756;? ?2788 1491;2381 1676;1332 695;3715 1678;3918 2179;4061 2370;? ?3780 2212;3676 2578;4029 2838;4263 2931;3429 1908;3507 2367;? ?3394 2643;3439 3201;2935 3240;3140 3550;2545 2357;2778 2826;? ?2370 2975];m=31;Alpha=1;Beta=5;Rho=.1;NC_max=30;Q=100;%%第一步：变量初始化n=size(C,1);%*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:n? ? for j=1:n? ?? ???if i~=j? ?? ?? ?? ?D(i,j)=((C(i,1)-C(j,1))^2+(C(i,2)-C(j,2))^2)^0.5;? ?? ???else? ?? ?? ?? ?D(i,j)=eps;? ?? ???end? ?? ???D(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NC=1;%迭代计数器R_best=zeros(NC_max,n);%各代最佳路线L_best=inf.*ones(NC_max,1);%各代最佳路线的长度L_ave=zeros(NC_max,1);%各代路线的平均长度while NC=NC_max??%停止条件之一：达到最大迭代次数? ?? ?%%第二步：将m只蚂蚁放到n个城市上? ? Randpos=[];? ? for i=1:(ceil(m/n)) % ceil为朝正无穷方向舍入%? ?? ???Randpos=[Randpos,randperm(n)];? ? end? ? Tabu(:,1)=(Randpos(1,1:m));% n个城市，编号为1---n for循环的次数是蚂蚁重复城市的次数，比如5个蚂蚁放到4个城市，需要重复两遍才能放完蚂蚁，每次循环产生n个1---n的随机数,相当于随机n个城市，产生城市序列 循环结束 Tabu一句表示将m个蚂蚁随机，每个蚂蚁放到前面产生的城市序列中，每个蚂蚁一个城市，需要m个，所以提取前面1：m个序列 表示转置，没有多大用处，可能参与后面的计算方便。 我感觉如果m,n很大的话，你这样做会产生很大的浪费，计算很多的随机数，这样的话更好，一句就得：(如果变量Randpos后面没有用到的话，如果用到了，还要用你的程序)Tabu=ceil(n*rand(1,m))? ?? ? %%第三步：m只蚂蚁按概率函数选择下一座城市，完成各自的周游? ? for j=2:n? ?? ???for i=1:m? ?? ?? ?? ?v