matlab蚂蚁算法VRP.zip_YJXG_matlab蚂蚁算法VRP_speechobk_vrp_vrp matlab

function [R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ANT_VRP(D,Demand,Cap,iter_max,m,Alpha,Beta,Rho,Q) %% R_best 各代最佳路线 %% L_best 各代最佳路线的长度 %% L_ave 各代平均距离 %% Shortest_Route 最短路径 %% Shortest_Length 最短路径长度 %% D 城市间之间的距离矩阵，为对称矩阵 %% Demand 客户需求量 %% Cap 车辆最大载重 %% iter_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 n=size(D,1); T=zeros(m,2*n); %装载距离 Eta=ones(m,2*n); %启发因子 Tau=ones(n,n); %信息素 Tabu=zeros(m,n); %禁忌表 Route=zeros(m,2*n); %路径 L=zeros(m,1); %总路程 L_best=zeros(iter_max,1); %各代最佳路线长度 R_best=zeros(iter_max,2*n); %各代最佳路线 nC=1; while nC<=iter_max %停止条件 Eta=zeros(m,2*n); T=zeros(m,2*n); Tabu=zeros(m,n); Route=zeros(m,2*n); L=zeros(m,1); %%%%%%==============初始化起点城市（禁忌表）==================== for i=1:m Cap_1=Cap; %最大装载量 j=1; j_r=1; while Tabu(i,n)==0 T=zeros(m,2*n); %装载量加载矩阵 Tabu(i,1)=1; %禁忌表起点位置为1 Route(i,1)=1; %路径起点位置为1 visited=find(Tabu(i,:)>0); %已访问城市 num_v=length(visited); %已访问城市个数 J=zeros(1,(n-num_v)); %待访问城市加载表 P=J; %待访问城市选择概率分布 Jc=1; %待访问城市选择指针 for k=1:n %城市 if length(find(Tabu(i,:)==k))==0 %如果k不是已访问城市代号，就将k加入矩阵J中 J(Jc)=k; Jc=Jc+1; end end %%%%%%%=============每只蚂蚁按照选择概率遍历所有城市================== for k=1:n-num_v %待访问城市 if Cap_1-Demand(J(1,k),1)>=0 %如果车辆装载量大于待访问城市需求量 if Route(i,j_r)==1 %如果每只蚂蚁在起点城市 T(i,k)=D(1,J(1,k)); P(k)=(Tau(1,J(1,k))^Alpha)*((1/T(i,k))^Beta); %概率计算公式中的分子 else %如果每只蚂蚁在不在起点城市 T(i,k)=D(Tabu(i,j),J(1,k)); P(k)=(Tau(Tabu(i,visited(end)),J(1,k))^Alpha)*((1/T(i,k))^Beta); %概率计算公式中的分子 end else %如果车辆装载量小于待访问城市需求量 T(i,k)=0; P(k)=0; end end if length(find(T(i,:)>0))==0 %%%当车辆装载量小于待访问城市时，选择起点为1 Cap_1=Cap; j_r=j_r+1; Route(i,j_r)=1; L(i)=L(i)+D(1,Tabu(i,visited(end))); else P=P/(sum(P)); %按照概率原则选取下一个城市 Pcum=cumsum(P); %求累积概率和：cumsum（[1 2 3])=1 3 6,目的在于使得Pcum的值总有大于rand的数 Select=find(Pcum>rand); %按概率选取下一个城市：当累积概率和大于给定的随机数，则选择求和被加上的最后一个城市作为即将访问的城市 o_visit=J(1,Select(1)); %待访问城市 j=j+1; j_r=j_r+1; Tabu(i,j)=o_visit; %待访问城市 Route(i,j_r)=o_visit; Cap_1=Cap_1-Demand(o_visit,1); %车辆装载剩余量 L(i)=L(i)+T(i,Select(1)); %路径长度 end end L(i)=L(i)+D(Tabu(i,n),1); %%路径长度 end L_best(nC)=min(L); %最优路径为距离最短的路径 pos=find(L==min(L)); %找出最优路径对应的位置：即为哪只蚂蚁 R_best(nC,:)=Route(pos(1),:); %确定最优路径对应的城市顺序 L_ave(nC)=mean(L)'; %求第k次迭代的平均距离 Delta_Tau=zeros(n,n); %Delta_Tau(i,j)表示所有蚂蚁留在第i个城市到第j个城市路径上的信息素增量 L_zan=L_best(1:nC,1); post=find(L_zan==min(L_zan)); Cities=find(R_best(nC,:)>0); num_R=length(Cities); for k=1:num_R-1 %建立了完整路径后在释放信息素 Delta_Tau(R_best(nC,k),R_best(nC,k+1))=Delta_Tau(R_best(nC,k),R_best(nC,k+1))+Q/L_best(nC); end Delta_Tau(R_best(nC,num_R),1)=Delta_Tau(R_best(nC,num_R),1)+Q/L_best(nC); Tau=Rho*Tau+Delta_Tau; nC=nC+1; end Shortest_Route=zeros(1,2*n); %提取最短路径 Shortest_Route(1,:)=R_best(iter_max,:); Shortest_Route=Shortest_Route(Shortest_Route>0); Shortest_Route=[Shortest_Route Shortest_Route(1,1)]; Shortest_Length=min(L_best); %提取最短路径长度 %L_ave=mean(L_best);