matlab蚁群算法代码,蚁群算法（ACO）MATLAB实现

1、matlab蚁群算法代码,蚁群算法（ACO）MATLAB实现()蚁群算法的由来蚁群算法(ant colony optimization)最早是由Marco Dorigo等在1991年提出，他们在研究新型算法的过程中，发现蚁群在寻找物时，通过分泌种称为信息素的物激素交流觅信息从能快速的找到标，据此提出了基于信息正反馈原理的蚁群算法。蚁群算法的基本思想来源于然界蚂蚁觅的最短路径原理，根据昆科学家的观察，发现然界的蚂蚁虽然视觉不发达，但它们可以在没有任何提的情况下找到从物源到巢的最短路径，并在周围环境发变化后，适应地搜索新的最佳路径。系统来说，它们却达到了寻找到最优路径的客观上的效果。这就是群体智能

2、。()蚁群算法能做什么(TSP，个寻找最短路径的问题)上取得了较好的成效。前，也已渐渐应到其他领域中去，在图着问题、车辆调度问题、集成电路 设计、通讯络、数据聚类分析等都有所应。(三)蚁群算法实现优化的 函数为F(x,y)= -(x.2+3*y.4-0.2*cos(3*pi*x)-0.4*cos(4*pi*y)+0.6)MATLABclear clcAnt = 300;%蚂蚁数量Times = 80;%移动次数Rou = 0.9;%荷尔蒙发挥系数P0 = 0.2;%转移概率Lower_1 = -1;%搜索范围Upper_1 = 1;Lower_2 = -1;Upper_2 = 1; for i

3、=1:AntX(i,1)=(Lower_1+(Upper_1-Lower_1)*rand); X(i,2)=(Lower_1+(Upper_2-Lower_2)*rand); Tau(i)=F(X(i,1),X(i,2);end step=0.05;f=-(x.2+3*y.4-0.2*cos(3*pi*x)-0.4*cos(4*pi*y)+0.6); x,y=meshgrid(Lower_1:step:Upper_1,Lower_2:step:Upper_2); z=eval(f);figure(1); subplot(1,2,1);mesh(x,y,z); hold on;plot3(X(:

4、,1),X(:,2),Tau,k*)hold on;text(0.1,0.8,-0.1,蚂蚁的初始位置分布); xlabel(x);ylabel(y);zlabel(f(x,y);for T=1:Times lamda=1/T;Tau_Best(T),BestIndex=max(Tau); for i=1:AntP(T,i)=(Tau(BestIndex)-Tau(i)/Tau(BestIndex);%计算转移状态概率endfor i=1:Ant if P(T,i)temp1=X(i,1)+(2*rand-1)*lamda; temp2=X(i,2)+(2*rand-1)*lamda; els

5、e%全局搜索temp1=X(i,1)+(Upper_1-Lower_1)*(rand-0.5); temp2=X(i,2)+(Upper_2-Lower_2)*(rand-0.5); if temp1 temp1=Lower_1; if temp1Upper_1 temp1=Upper_1; if temp2 temp2=Lower_2; if temp2Upper_2 temp2=Upper_2; if F(temp1,temp2)F(X(i,1),X(i,2)%更新位置X(i,1)=temp1;X(i,2)=temp2; for i=1:AntTau(i)=(1-Rou)*Tau(i)+F

6、(X(i,1),X(i,2);%更新荷尔蒙endend subplot(1,2,2);mesh(x,y,z); hold on; x=X(:,1);y=X(:,2);plot3(x,y,eval(f),k*);hold on;text(0.1,0.8,-0.1, 蚂 蚁 的 最 终 位 置 分 布 ); xlabel(x);ylabel(y);zlabel(f(x,y); max_value,max_index=max(Tau); maxX=X(max_index,1); maxY=X(max_index,2); maxValue=F(X(max_index,1),X(max_index,2)

7、; 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182clcAnt=300;%蚂蚁数量Times=80;%移动次数Rou=0.9;%荷尔蒙发挥系数P0=0.2;%转移概率Lower_1=-1;%搜索范围Upper_1=1;Lower_2=-1; Upper_2=1; fori=1:AntX(i,1)=(Lower_1+(Upper_1-L

8、ower_1)*rand); X(i,2)=(Lower_1+(Upper_2-Lower_2)*rand); Tau(i)=F(X(i,1),X(i,2);end step=0.05;f=-(x.2+3*y.4-0.2*cos(3*pi*x)-0.4*cos(4*pi*y)+0.6); x,y=meshgrid(Lower_1:step:Upper_1,Lower_2:step:Upper_2); z=eval(f);figure(1); subplot(1,2,1);mesh(x,y,z); holdon;plot3(X(:,1),X(:,2),Tau,k*)holdon;text(0.1

9、,0.8,-0.1,蚂蚁的初始位置分布); xlabel(x);ylabel(y);zlabel(f(x,y); forT=1:Timeslamda=1/T; Tau_Best(T),BestIndex=max(Tau); fori=1:AntP(T,i)=(Tau(BestIndex)-Tau(i)/Tau(BestIndex);%计算转移状态概率end fori=1:Ant ifP(T,i)temp1=X(i,1)+(2*rand-1)*lamda; temp2=X(i,2)+(2*rand-1)*lamda; else%全局搜索temp1=X(i,1)+(Upper_1-Lower_1)

10、*(rand-0.5); temp2=X(i,2)+(Upper_2-Lower_2)*(rand-0.5); iftemp1 temp1=Lower_1; temp1=Upper_1; iftemp2 temp2=Lower_2; temp2=Upper_2; ifF(temp1,temp2)F(X(i,1),X(i,2)%更新位置X(i,1)=temp1;X(i,2)=temp2; endend fori=1:AntTau(i)=(1-Rou)*Tau(i)+F(X(i,1),X(i,2);%更新荷尔蒙endend subplot(1,2,2);mesh(x,y,z); holdon; x

11、=X(:,1);y=X(:,2);plot3(x,y,eval(f),k*); holdon;text(0.1,0.8,-0.1, 蚂 蚁 的 最 终 位 置 分 布 ); xlabel(x);ylabel(y);zlabel(f(x,y); max_value,max_index=max(Tau); maxX=X(max_index,1); maxY=X(max_index,2); maxValue=F(X(max_index,1),X(max_index,2); 优化函数：MATLABfunction f = F(x,y)f = -(x.2+3*y.4-0.2*cos(3*pi*x)-0.4*cos(4*