06TSP问题蚁群算法MATLAB源代码.docxVIP

欢迎访问GreenSim团队主页→ HYPERLINK /greensim /greensim 邮箱： HYPERLINK greensim@163.com greensim@163.com 第 PAGE \* MERGEFORMAT 4页 TSP问题蚁群算法MATLAB源代码 蚁群算法最早是用于求解TSP问题的，并获得极大成功，现已成为计算智能领域一个十分重要的算法和研究方向。本程序由GreenSim团队在2006年完成，按照标准蚁群算法进行编写，可以作为蚁群算法的一个参考模版。 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 % GreenSim团队——专业级算法设计代写程序 % 欢迎访问GreenSim团队主页→/greensim %% %% 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(*,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=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); 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=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)]; end Tabu(:,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:n for i=1:m visited=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:n if length(find(visited==k))==0 J(Jc)=k; Jc=Jc+1; end end %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); en*