多旅行商问题代码

[code]function [R_bestL_bestL_aveShortest_RouteShortest_Length]=ACATSP（CNC_maxmAlphaBetaRhoQ）
%%========================================================================= 
%% ACATSP.m 
%% Ant Colony Algorithm for Traveling Salesman Problem 
%% ChengAihuaPLA Information Engineering UniversityZhengZhouChina 
%% Email:aihuacheng@gmail.com 
%% All rights reserved 
%%------------------------------------------------------------------------- 
%% 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 
%% 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（C1）;%n表示问题的规模（城市个数） 
D=zeros（nn）;%D表示完全图的赋权邻接矩阵 
for i=1:n 
for j=1:n 
if i~=j 
D（ij）=（（C（i1）-C（j1））^2+（C（i2）-C（j2））^2）^0.5; 
else 
D（ij）=eps; 
end 
D（ji）=D（ij）; 
end 
end 
Eta=1./D;%Eta为启发因子，这里设为距离的倒数 
Tau=ones（nn）;%Tau为信息素矩阵 
Tabu=zeros（mn）;%存储并记录路径的生成 
NC=1;%迭代计数器 
R_best=zeros（NC_maxn）;%各代最佳路线 
L_best=inf.*ones（NC_max1）;%各代最佳路线的长度 
L_ave=zeros（NC_max1）;%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 
%%第二步：将m只蚂蚁放到n个城市上 
Randpos=[]; 
for i=1:（ceil（m/n）） 
Randpos=[Randposrandperm（n）]; 
end 
Tabu（:1）=（Randpos（11: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 
for j=2:n 
for i=1:m 
visited=Tabu（i1:（j-1））;%已访问的城市 
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; 
for k=1:n 
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）; 
end 
P=P/（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（ij）=to_visit; 
end 
end