TSp.rar_tsp_tsp c

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

%% 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

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

%%第二步：将 m 只蚂蚁放到 n 个城市上

for i=1:(ceil(m/n))

Randpos=[Randpos,randperm(n)];

end

Tabu(:,1)=(Randpos(1,1:m))';

%%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

if length(find(visited==k))==0

J(Jc)=k;

Jc=Jc+1;

end

end

%下面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);

en*

*=*/(sum(P));

if NC>=2

Tabu(1,:)=R_best(NC-1,:);

end

%%第四步：记录本次迭代最佳路线

L(i)=L(i)+D(R(j),R(j+1));

end

L(i)=L(i)+D(R(1),R(n));