资源简介

通过matlab实现的蚁群算法的完整资源,里面包含三个文件,一个源程序.m文件,一个是命令行需要输入的代码,在一个就是文档结果;良心代码!

资源截图

代码片段和文件信息

function [R_bestL_bestL_aveShortest_RouteShortest_Length]=ACATSP(CNC_maxmAlphaBetaRhoQ)

%%-------------------------------------------------------------------------

%% 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;      %i=j时不计算,应该为0,但后面的启发因子要取倒数,用eps(浮点相对精度)表示

end

D(ji)=D(ij);   %对称矩阵

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,记录迭代次数

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,停止

%%第二步:将m只蚂蚁放到n个城市上

Randpos=[];   %随即存取

for i=1:(ceil(m/n))

Randpos=[Randposrandperm(n)];

end

Tabu(:1)=(Randpos(11:m))‘;    %此句不太理解?

%%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     %所在城市不计算

for i=1:m    

visited=Tabu(i1:(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;

for k=1:n

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

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);     %cumsum,元素累加即求和

Select=find(Pcum>=rand); %若计算的概率大于原来的就选择这条路线

to_visit=J(Select(1));

Tabu(ij)=to_visit;

end

end

if NC>=2

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

end

%%第四步:记录本次迭代最佳路线

L=zeros(m1);     %开始距离为0,m*1的列向量

for i=1:m

R=Tabu(i:);

for j=1:(n-1)

L(i)=L(i)+D(R(j)R(j+1));    %原距离加上第j个城市到第j+1个城市的距离

end

L(i)=L(i)+D(R(1)R(n));      %一轮下来后走过的距离

end

L_best(NC)=min(L);           %最佳距离取最小

pos=find(L==L_best(NC));

R_best(NC:)=Tabu(pos(1):); %此轮迭代后的最佳路线

L_ave(NC)=mean(L);           %此轮迭代后的平均距离

NC=NC+1                      %迭代继续

%%第五步:更新信息素

Delta_Tau=zeros(nn);        %开始时信息素为n*n的0矩阵

for i=1:m

for j=1:(n-1)

Delta_Tau(Tabu(ij)Tabu(ij+1))=Delta_Tau(Tabu(ij)Tabu(ij+1))+Q/L(i);          

%此次循环在路径(i,j)上的信息素增量

end

Delta_Tau(Tabu(in)Tabu(i1))=Delta_Tau(Tabu(in)Tabu(i1))+Q/L(i);

%此次循环在整个路径上的信息素增量

end

Tau=(1-Rho).*Tau+Delta_Tau; %考虑信息素挥发,更新后的信息素

%%第六步:禁忌表清零

Tabu=zeros(mn);             %%直到最大迭代次数

end

%%第七步:输出结果

Pos=find(L_best==min(L_best)); %找到最佳路径(非0为真)

Shortest_Route=R_best(Pos(1):) %最大迭代次数后最佳路径

Shortest_Length=L_best(Pos(1)) %最大迭代次数后最短距离

subplot(121)                  %绘制第一个子图形

DrawRoute(CShortest_Route)     %画路线图的子函数

subplot(12

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       4409  2017-02-07 15:27  蚁群算法完整matlab代码\ACATSP.m

     文件        163  2017-02-07 15:35  蚁群算法完整matlab代码\命令行.txt

     文件       2129  2017-02-07 15:36  蚁群算法完整matlab代码\运行结果.txt

     目录          0  2017-02-07 15:36  蚁群算法完整matlab代码

----------- ---------  ---------- -----  ----

                 6701                    4


评论

共有 条评论