蚁群算法是当前研究十分火热的一种智能算法,下面的蚁群算法程序专门用于求解 TSP 问题,此程序由
GreenSim 团队于 2006 年初完成,最初公开发表于研学论坛。
function [R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ACATSP(C,NC_max,m,Alpha,Beta,Rho,Q)
%%=========================================================================
% ACATSP.m
% Ant Colony Algorithm for Traveling Salesman Problem
% GreenSim 团队原创作品,转载请注明
% GreenSim 团队长期从事算法设计、代写程序等业务
% 欢迎访问 GreenSim——算法仿真团队→http://blog.sina.com.cn/greensim
%%-------------------------------------------------------------------------
%% 主要符号说明
%% C n 个城市的坐标,n×2 的矩阵
%% NC_max 最大迭代次数
%% m 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
n=size(*,1);%*表示问题的规模(城市个数)
*=zeros(n,n);%D 表示完全图的赋权邻接矩阵
for i=1:n
for j=1:n
if i~=j
D(i,j)=((C(i,1)-C(j,1))^2+(C(i,2)-C(j,2))^2)^0.5;
else
D(i,j)=eps;
end
D(j,i)=D(i,j);
end
end
Eta=1./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
R_best=zeros(NC_max,n);%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
while NC<=NC_max%停止条件之一:达到最大迭代次数