TSP问题蚁群算法通用Matlab程序.docxVIP

[GreenSim.C原创】TSP问题蚁群算法通用Mat lab程序(附图) (2007-03-10 09:28:51)转载 蚁群算法是当前研究非常火热的一种智能算法，下面的蚁群算法 程序专门用于求解TSP问题，此程序市GreenSim团队于2006年初完 成，最初公开发表于研学论坛，我们经过仿真检验，发现此程序的优 化效率和鲁棒性都非常好。 function [R best, L best,L ave, Shortest Route,Shortest Length]=ACATSP (C, NC max, m, Alpha, Beta, Rho, Q) 忙二二二二二======================== %% ACATSP. m %% Ant Colony Algorithm for Traveling Salesman Problem %% ChengAihua, PLA Information Engineering University, ZhengZhou, China %% Email:aihuacheng^gmai1. com %% All rights reserved %% %% 主耍符号说明 %% c n个城市的坐标，nX2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 信息索增加强度系数 %% Rbest 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二size(*, 1) ;%*表示问题的规模(城市个数) *=zeros(n, n) ;%D表示完全图的赋权邻接矩阵 for i二l:n for j二l:n if 1 二 J D(i, j) = ((C(i, 1)-C(j, 1)厂2+(C(i,2)-C(j,2)厂2厂0.5; else D(i, j)二eps; end D(j, i)=D(i, j); end end Eta-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二zeros (m, n) ;%存储并记录路径的生成 NC二1;%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 wh订e NC=NC_max%停止条件之一：达到最大迭代次数 %%笫二步：将m只蚂蚁放到n个城市上 Randpos=[]; for i=l: (ceil(m/n)) Randpos=[Randpos, randperm(n)]; end Tabu(:, 1)二(Randpos(1, ; %%第三步：ni只蚂蚁按概率函数选择下一座城市，完成各自的周 游 for j二2:n for i二l:m visited二Tabu(i, 1: (j-1)) ;%已访问的城市 J二zeros (1, (n-j+1)) ; %待访问的城市 P二J ； %待访问城市的选择概率分布 Jc二 1; for k二1:n if length (find (visited=k)) =0 J(Jc)=k; Jc二Jc+1; end end %下面计算待选城市的概率分布 for k=l:length(J) P (k) = (Tau (visited(end), J(k))Alpha)*(Eta(visited(end), J(k)) Beta); en* *=*/(sum(P)); %按概率原则选取下一个城市 Pcum=cumsum(P); Select二find (Pcum二rand); to_visit=J(Select(1)); Tabu(i, j)=to_visit; end end if NC=2 Tabu(1,:)二R best(NCT,:); end %%第四步：记录本次迭代最佳路线 L二zeros (m, 1); for i二l:m R=Tabu(i,:); for j二1: (n~l) L(i)二 L(i)+D(R(j),R(j+l)); end L(i)=L(i)+D(R(l),R(n)); end L_best(NC)=min(L); pos=find (L=L_best (NC)); R best (NC, :)=Tabu (pos(l),:): L_ave(NC)=mean(L); NC二NC+1 %%第五步：更新信息素 Delta_Tau=zeros(n, n); for i二l:m fo