蚁群算法matlab程序代码.rar_MATLAB蚁群算法_智能算法_蚁群算法

先新建一个主程序 M 文件 ACATSP.m

代码如下 :

function [R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ACATSP(C,NC_max,m,Alpha,Beta,Rho,Q)

%%================================================================

=========

%% 主要符号说明

%% C n 个城市的坐标， n×2 的矩阵

%% NC_max

蚁群算法 MATLAB程序

最大迭代次数

%% R_best 各代最佳路线

%% L_best 各代最佳路线的长度

%%================================================================

=========

%% 蚁群算法 MATLAB程序第一步：变量初始化

n=size(C,1);%n 表示问题的规模（城市个数）

D=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

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，记录迭代次数

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，停止

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

end

的周游

for j=2:n %所在城市不计算

for i=1:m

visited=Tabu(i,1:(j-1)); %记录已访问的城市，避免重复访问

J=zeros(1,(n-j+1)); % 待访问的城市

P=J; % 待访问城市的选择概率分布

Jc=1;

if length(find(visited==k))==0 %开始时置 0

J(Jc)=k;

Jc=Jc+1; % 访问的城市个数自加 1

end

end

%% 下面计算

待选城市的概率分布

Pcum=cumsum(P); %cumsum ，元素累加即求和

to_visit=J(Select(1));

Tabu(i,j)=to_visit;

end

end

if NC>=2

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

end

%% 蚁群算法 MATLAB程序第四步：记录本次迭代最佳路线

L=zeros(m,1); %开始距离为 0，m*1 的列向量

for i=1:m