ant_colony_system.rar_matlab_最优路径

%初始化 clear; Alpha=1; %信息素重要程度的参数 Beta=5; %启发式因子重要程度的参数 Rho=0.5; %信息素蒸发系数 NC_max=200; %最大迭代次数 Q=100; %信息素增加强度系数 CityNum=30; %问题的规模（城市个数） [dislist,Clist]=tsp(CityNum); m=CityNum; %蚂蚁个数 Eta=1./dislist;%Eta为启发因子，这里设为距离的倒数 Tau=ones(CityNum,CityNum);%Tau为信息素矩阵 Tabu=zeros(m,CityNum);%存储并记录路径的生成 NC=1;%迭代计数器 R_best=zeros(NC_max,CityNum); %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 figure(1); while NC<=NC_max %停止条件之一：达到最大迭代次数 %将m只蚂蚁放到CityNum个城市上 Randpos=[]; for i=1:(ceil(m/CityNum)) Randpos=[Randpos,randperm(CityNum)]; end Tabu(:,1)=(Randpos(1,1:m))'; %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:CityNum for i=1:m visited=Tabu(i,1:(j-1)); %已访问的城市 J=zeros(1,(CityNum-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:CityNum if length(find(visited==k))==0 J(Jc)=k; Jc=Jc+1; end end %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); end P=P/(sum(P)); %按概率原则选取下一个城市 Pcum=cumsum(P); Select=find(Pcum>=rand); to_visit=J(Select(1)); Tabu(i,j)=to_visit; end end if NC>=2 Tabu(1,:)=R_best(NC-1,:); end %记录本次迭代最佳路线 L=zeros(m,1); for i=1:m R=Tabu(i,:); L(i)=CalDist(dislist,R); end L_best(NC)=min(L); pos=find(L==L_best(NC)); R_best(NC,:)=Tabu(pos(1),:); L_ave(NC)=mean(L); drawTSP(Clist,R_best(NC,:),L_best(NC),NC,0); NC=NC+1; %更新信息素 Delta_Tau=zeros(CityNum,CityNum); for i=1:m for j=1:(CityNum-1) Delta_Tau(Tabu(i,j),Tabu(i,j+1))=Delta_Tau(Tabu(i,j),Tabu(i,j+1))+Q/L(i); end Delta_Tau(Tabu(i,CityNum),Tabu(i,1))=Delta_Tau(Tabu(i,CityNum),Tabu(i,1))+Q/L(i); end Tau=(1-Rho).*Tau+Delta_Tau; Tabu=zeros(m,CityNum); %禁忌表清零 %pause; end %输出结果 Pos=find(L_best==min(L_best)); Shortest_Route=R_best(Pos(1),:); Shortest_Length=L_best(Pos(1)); figure(2); plot([L_best L_ave]); legend('最短距离','平均距离');