蚁群算法程序

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个城市的坐标，为nX2的矩阵 % % NCnax为最大迭代次数 % %m表示蚂蚁个数% % 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 m=20;NC_max=200;Alpha=l;Beta=5;Q=10;Rho=0

3、.7; %相关参量初始化 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; %计算两两城市之间的距离 else D(iJ)=eps; %i=j时不计算，应该为0,但后面的启发因子要取倒数，用eps (浮点相对精度)表示 end D(J4)=D(iJ);%对称矩阵end end Eta=l./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，记录迭代次数R_best=zeros(NC_max,n

4、)；% 各代最佳路线L_best=inf.*ones(NC_max,l);% 各代最佳路线的长度L_a ve=zeros( N C_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，停止%第二步：将m只蚂蚁放到n个城市上 Randpos=; %随机存取 for i=l:(ceil(m/n) Randpos=Randpos,randperin(n); end Tabu(:J)=(Randpos(lJ:in),; %将蚂蚁初始位置置于禁忌表第一列(对禁忌表的第一列初始化)%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

5、=2:n%所在城市不计算for i=l:m visited=Tabu(i,l:(j-l); %记录已访问的城市，避免重复访问 J=zeros(l,(n-j+l); % 待访问的城市 P=J；%待访问城市的选择概率分布Jc=l; for k=l:n if length(find(visited=k)=O%开始时置 0Jc=Jc+i；%访问的城市个数自加iend end %计算待选城市的概率分布 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、率原则使用轮盘赌的算法选取Ti个城市 Pcuin=cumsuin(P); %cunisum,元素累加即求和 Sdect=find(Pcum>=rand);%若计算的概率大于原来的就选择这条路线 to_visit=J( Select(l); Tabu(iJ)=to_visit; end end if NC>=2 Tabu(l,:)=R_best(NC-l,:); end%第四步：记录本次迭代最佳路线L=zeros(mJ);%开始距离为0, n】* 1的列向量for i=l:m R=Tabu(i,:);%原距离加上第j个城市到第j+1个城市的距离%一轮下来后走过的距离%最佳距离取最小%

7、此轮迭代后的最佳路线%此轮迭代后的平均距离%迭代继续%开始时置信息素为n*n的0矩阵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); %此次循环在路径(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);%此次循环在整个路径上的信息素增熹endTau=(l-Rho).*Tau+Delta_Tau; %考虑信息素挥发，更新后的信息素 %第六步：禁忌表清零Tabu=zeros(m,n);% %直到最大迭代次数end%第七步：输出结果Pos=find(L_best=min(L_best); % 找到最佳路径(非0为真) Shortest_Route=R_best(Pos

9、(l),:) %最大迭代次数后最佳路径 Shortest_Length=L_best(Pos( 1) %最大迭代次数后最短距离subplot。,2,1)DrawRoute(CShortest_Route) subplot( 1,2,2)plot(L_best) hold on plot(L_ave/r*) title (年均距离和最短距离，) function DrawRoute(C,R) % % =%绘制第一个子图形%画路线图的子函数 %绘制第二个子图形%保持图形%标题% % DrawRoute.m%画路线图的子函数% % C Coordinate节点坐标，由一个NX2的矩阵存储% % R Route 路线% % =N=length(R);scatter(C(:J),C(:J);hold o