蟻群算法程序

1、function R_best,L_best,L_ave,Shortest_Route,Shortest_Length 二AcoForTsp(C,NC_maxji】,Alpha,Beta,Rho,Q) %C表示n個城市的坐標，為nX2的矩陣 % % NCnax為最大迭代次數 % %m表示螞蟻個數% % Alpha表征信息素重要程度的參數 % % Beta表征啟發(fā)式因子重要程度的參數 % % Rho信息素蒸發(fā)系數%Q信息素增加強度系數 % % R.best各代最佳路線 % % L_best各代最佳路線的長度 %= %第一步：變量初始化C=5.294,l.558;4.286,3.622;4.719

2、,2.774;4.1852230;0.915,3.821;4.771,6.041;L524,2.871;3.4472111；3.718 3.665;2.649,2.556;4.439,1.194;4.660,2.949;1.232,6.440;5.036,0.244;2.7103.140;1.0723.454;5.855,6.203;0.1 94,L862;1.7622693;2.862,6.097; n=size(C,l);%n表示問題的規(guī)模(城市個數) D=zeros(n,n);%D表示完全圖的賦權鄰接矩陣 m=20;NC_max=200;Alpha=l;Beta=5;Q=10;Rho=0

3、.7; %相關參量初始化 for i=l:n for j=l:n lfk=J D(iJ)=(C(i4)-C(hl)A2+(C(U).C(j,2)A2)A0.5; %計算兩兩城市之間的距離 else D(iJ)=eps; %i=j時不計算，應該為0,但后面的啟發(fā)因子要取倒數，用eps (浮點相對精度)表示 end D(J4)=D(iJ);%對稱矩陣end end Eta=l./D;%Eta為啟發(fā)因子，這里設為距離的倒數Tau=ones(n,n);%Tau為信息素矩陣Tabu=zeros(m,n);%存儲并記錄路徑的生成NC=1;%迭代計數器，記錄迭代次數R_best=zeros(NC_max,n

4、)；% 各代最佳路線L_best=inf.*ones(NC_max,l);% 各代最佳路線的長度L_a ve=zeros( N C_max, 1);%各代路線的平均長度while NC<=NC_max%停止條件之一：達到最大迭代次數，停止%第二步：將m只螞蟻放到n個城市上 Randpos=; %隨機存取 for i=l:(ceil(m/n) Randpos=Randpos,randperin(n); end Tabu(:J)=(Randpos(lJ:in),; %將螞蟻初始位置置于禁忌表第一列(對禁忌表的第一列初始化)%第三步：m只螞蟻按概率函數選擇下一座城市，完成各自的周游 for j

5、=2:n%所在城市不計算for i=l:m visited=Tabu(i,l:(j-l); %記錄已訪問的城市，避免重復訪問 J=zeros(l,(n-j+l); % 待訪問的城市 P=J；%待訪問城市的選擇概率分布Jc=l; for k=l:n if length(find(visited=k)=O%開始時置 0Jc=Jc+i；%訪問的城市個數自加iend end %計算待選城市的概率分布 for k=l:length(J) P(k)=(Tau(visite(l(end)J(k)AAlpha)*(Eta(visited(end)J(k)ABeta); end P=P/(sum(P); %按概

6、率原則使用輪盤賭的算法選取Ti個城市 Pcuin=cumsuin(P); %cunisum,元素累加即求和 Sdect=find(Pcum>=rand);%若計算的概率大于原來的就選擇這條路線 to_visit=J( Select(l); Tabu(iJ)=to_visit; end end if NC>=2 Tabu(l,:)=R_best(NC-l,:); end%第四步：記錄本次迭代最佳路線L=zeros(mJ);%開始距離為0, n】* 1的列向量for i=l:m R=Tabu(i,:);%原距離加上第j個城市到第j+1個城市的距離%一輪下來后走過的距離%最佳距離取最小%

7、此輪迭代后的最佳路線%此輪迭代后的平均距離%迭代繼續(xù)%開始時置信息素為n*n的0矩陣for j=l:(n-l) L(i)=L(i)+D(Ra),R(j+l); endL(i)=L(i)+D(R(l),R(n); endL_best(NC)=min(L) pos=find(L=L_best(NC);R_best(NC,: )=T abu(pos(l)9:) L_ave(NC)=mean(L);NC=NC+1%第五步：更新信息素Delta_Tau=zeros(n,n);for i=l:m for j=l:(n-l)Delta_Tau(Tabu(iJ),Tabii(IJ+l)=Delta_Tau(T

8、abu(ij),Tabu(iJ+l)+Q/L(i); %此次循環(huán)在路徑(i, j)上的信息素地量endDelta_Tau(Tabu(i,n),Tabu(iJ)=Delta_Tau(Tabu(i,n),Tabu(i,l)+Q/L(i);%此次循環(huán)在整個路徑上的信息素增熹endTau=(l-Rho).*Tau+Delta_Tau; %考慮信息素揮發(fā)，更新后的信息素 %第六步：禁忌表清零Tabu=zeros(m,n);% %直到最大迭代次數end%第七步：輸出結果Pos=find(L_best=min(L_best); % 找到最佳路徑(非0為真) Shortest_Route=R_best(Pos

9、(l),:) %最大迭代次數后最佳路徑 Shortest_Length=L_best(Pos( 1) %最大迭代次數后最短距離subplot。,2,1)DrawRoute(CShortest_Route) subplot( 1,2,2)plot(L_best) hold on plot(L_ave/r*) title (年均距離和最短距離，) function DrawRoute(C,R) % % =%繪制第一個子圖形%畫路線圖的子函數 %繪制第二個子圖形%保持圖形%標題% % DrawRoute.m%畫路線圖的子函數% % C Coordinate節(jié)點坐標，由一個NX2的矩陣存儲% % R Route 路線% % =N=length(R);scatter(C(:J),C(:J);hold o