antcolonyoptimization.rar_ant_优化_优化 matlab_蚁群优化算法_蚁群算法 多目标优化 m

function [y,val]=QACS tic load att48 att48; MAXIT=300; % 最大循环次数 NC=48; % 城市个数 tao=ones(48,48);% 初始时刻各边上的信息最为1 rho=0.2; % 挥发系数 alpha=1; beta=2; Q=100; mant=20; % 蚂蚁数量 iter=0; % 记录迭代次数 for i=1:NC % 计算各城市间的距离 for j=1:NC distance(i,j)=sqrt((att48(i,2)-att48(j,2))^2+(att48(i,3)-att48(j,3))^2); end end bestroute=zeros(1,48); % 用来记录最优路径 routelength=inf; % 用来记录当前找到的最优路径长度 % for i=1:mant % 确定各蚂蚁初始的位置 % end for ite=1:MAXIT for ka=1:mant %考查第K只蚂蚁 deltatao=zeros(48,48); % 第K只蚂蚁移动前各边上的信息增量为零 [routek,lengthk]=travel(distance,tao,alpha,beta); if lengthk<routelength % 找到一条更好的路径 routelength=lengthk; bestroute=routek; end for i=1:NC-1 % 第K只蚂蚁在路径上释放的信息量 deltatao(routek(i),routek(i+1))=deltatao(routek(i),routek(i+1))+Q/lengthk; end deltatao(routek(48),1)=deltatao(routek(48),1)+Q/lengthk; end for i=1:NC-1 for j=i+1:NC if deltatao(i,j)==0 deltatao(i,j)=deltatao(j,i); end end end tao=(1-rho).*tao+deltatao; end y=bestroute; val=routelength; toc function [y,val]=travel(distance,tao,alpha,beta) % 某只蚂蚁找到的某条路径 [m,n]=size(distance); p=fix(m*rand)+1; val=0; % 初始路径长度设为 0 tabuk=[p]; % 假设该蚂蚁都是从第 p 个城市出发的 for i=1:m-1 np=tabuk(length(tabuk)); % 蚂蚁当前所在的城市号 p_sum=0; for j=1:m if isin(j,tabuk) continue; else ada=1/distance(np,j); p_sum=p_sum+tao(np,j)^alpha*ada^beta; end end cp=zeros(1,m); % 转移概率 for j=1:m if isin(j,tabuk) continue; else ada=1/distance(np,j); cp(j)=tao(np,j)^alpha*ada^beta/p_sum; end end chp=max(cp)*rand; for j=1:m if cp(j)>=chp tabuk=[tabuk j]; val=val+distance(np,j); break; end end end y=tabuk; function y=isin(x,A) % 判断数 x 是否在向量 A 中，如在返回 1 ，否则返回 0 y=0; for i=1:length(A) if A(i)==x y=1; break; end end