蚁群算法解决TSP问题的MATLAB程序.docVIP

蚁群算法TSP(旅行商问题)通用matlab程序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))Randpos=[Randpos,randperm(n)];endTabu(:,1)=(Randpos(1,1: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:nfor?i=1:mvisited=Tabu(i,1:(j-1));%已访问的城市J=zeros(1,(n-j+1));%待访问的城市P=J;%待访问城市的选择概率分布Jc=1;for?k=1:nif?length(find(visited==k))==0J(Jc)=k;Jc=Jc+1;endend %下面计算待选城市的概率分布for?k=1:length(J)P(k)=(Tau(visited(end),J(k))^Alpha)*(Eta(visited(end),J(k))^Beta);endP=P/(sum(P));%按概率原则选取下一个城市Pcum=cumsum(P);Select=find(Pcum=rand);to_visit=J(Select(1));Tabu(i,j)=to_visit;endendif?NC=2Tabu(1,:)=R_best(NC-1,:);end%%第四步：记录本次迭代最佳路线L=zeros(m,1);for?i=1:mR=Tabu(i,:);for?j=1:(n-1)L(i)=L(i)+D(R(j),R(j+1));endL(i)=L(i)+D(R(1),R(n));endL_best(NC)=min(L);pos=find(L==L_best(NC));R_best(NC,:)=Tabu(pos(1),:);L_ave(NC)=mean(L);NC=NC+1%%第五步：更新信息素Delta_Tau=zeros(n,n);for?i=1:mfor?j=1:(n-1)Delta_Tau(Tabu(i,j),Tabu(i,j