资源描述：
《蚁群算法解决TSP问题程序.docx》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、蚁群算法用于求解TSP问题，经过仿真测试，发现此程序的优化效率和鲁棒性都非常好。这与在无线多媒体传感器网络路由算法应用到的寻找最佳路径的蚁群算法非常相似。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 最大迭代次数%%
2、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fori=1:n forj=1:n ifi~=j
3、 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); endendEta=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=zero
4、s(NC_max,1);%各代路线的平均长度whileNC<=NC_max%停止条件之一：达到最大迭代次数 %%第二步：将m只蚂蚁放到n个城市上 Randpos=[]; fori=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 forj=2:n fori=1:m visited=Tabu(i,1:(j-1));%已访问的城市 J=
5、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; fork=1:n iflength(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 fork=1:length(J) P(k)=(Tau(visite
6、d(end),J(k))^Alpha)*(Eta(visited(end),J(k))^Beta); en* *=*/(sum(P)); %按概率原则选取下一个城市 Pcum=cumsum(P); Select=find(Pcum>=rand); to_visit=J(Select(1)); Tabu(i,j)=to_visit; end end ifNC>=2 Tabu(1,:)=R_best(NC-1,:); end
7、 %%第四步：记录本次迭代最佳路线 L=zeros(m,1); fori=1:m R=Tabu(i,:); forj=1:(n-1) L(i)=L(i)+D(R(j),R(j+1)); end L(i)=L(i)+D(R(1),R(n)); end L_best(NC)=min(L); pos=fin
