根据蚁群算法，建立蚁群算法模型，适合燃油运输类，车辆调度类问题，matlab源码

共10个文件

m：8个

asv：1个

mat：1个

版权申诉

matlab

蚁群算法

车辆调度

110 浏览量 2022-03-16 23:00:52 上传评论收藏 6KB RAR 举报

资源推荐

资源详情

资源评论

收起资源包目录

根据蚁群算法，建立蚁群算法模型，适合燃油运输类，车辆调度类问题，matlab源码.rar （10个子文件）

蚁群算法的燃油运输

OutputPath.m 453B

citys_data.mat 309B

DrawPath.m 1KB

gengxinT.m 445B

select.m 938B

改进的TSP蚁群算法.asv 2KB

改进的TSP蚁群算法.m 2KB

genxin.m 598B

PathLength.m 618B

Distanse.m 289B

%% 第22章蚁群算法的优化计算——燃油运输问题 %% 清空环境变量 clear all clc %% 导入数据 X=xlsread('e:x100.xls'); dem=xlsread('e:dem100.xls'); cap=100; %% 计算城市间相互距离 n = size(X,1); D =Distanse(X); %% 初始化参数 m = 50; % 蚂蚁数量 alpha = 1; % 信息素重要程度因子 beta = 5; % 启发函数重要程度因子 rho = 0.1; % 信息素挥发因子 Q = 1; % 常系数 Eta = 1./D; % 启发函数 Tau = ones(n,n); % 信息素矩阵 Table = zeros(m,n); % 路径记录表 iter = 1; % 迭代次数初值 iter_max = 200; % 最大迭代次数 Route_best = zeros(iter_max,n); % 各代最佳路径 Length_best = zeros(iter_max,1); % 各代最佳路径的长度 Length_ave = zeros(iter_max,1); % 各代路径的平均长度 %% 迭代寻找最佳路径 while iter <= iter_max iter % 初始起点城市为炼油厂1 Table(:,1) = ones(m,1); % 构建解空间 citys_index = 1:n; % 逐个蚂蚁路径选择 Table=select(Table,citys_index,Tau,Eta,alpha,beta,m,n); % 计算各个蚂蚁的路径长度 Length=PathLength(dem,D,Table,cap); % 计算最短路径距离及平均距离 [Route_best,Length_best]=genxin(iter,Length,Table,Length_best,Route_best); Length_ave(iter) = mean(Length); % 更新信息素 Tau=gengxinT(Table,Q,Length,rho,n,m,Tau); % 迭代次数加1，清空路径记录表 iter = iter + 1; Table = zeros(m,n); end %% 结果显示 [Shortest_Length,index] = min(Length_best); Shortest_Route = Route_best(index,:); disp(['最短距离:' num2str(Shortest_Length)]); disp(['最短路径:' num2str([Shortest_Route Shortest_Route(1)])]); %%绘出最优路径 OutputPath(Shortest_Route,dem,cap); %% 绘图（最优路径图） DrawPath(Shortest_Route,X,dem,cap); %%绘图每一代的平均值 plot(Length_ave); xlabel('代数') ylabel('各代路径平均值') title('蚁群算法的燃油运输问题各代路径的均值') %% % <html> % <table width="656" align="left" > <tr><td align="center">相关论坛：Matlab技术论坛：<a href="http://www.matlabsky.com">www.matlabsky.com</a>Matlab函数百科：<a href="http://www.mfun.la">www.mfun.la</a></td> </tr></table> % </html>

评论收藏

内容反馈

版权申诉