各种优化算法解决TSP问题

采用各种智能算法（包括蚁群算法、遗传算法、神经网络算法、模拟退火等）在matlab下进行基于TSP问题的仿真实验。

%初始化
clear;

Alpha=1; %信息素重要程度的参数
Beta=5; %启发式因子重要程度的参数 
Rho=0.5; %信息素蒸发系数
NC_max=200; %最大迭代次数
Q=100; %信息素增加强度系数
CityNum=30;  %问题的规模（城市个数）
[dislistClist]=tsp（CityNum）;
m=CityNum; %蚂蚁个数
Eta=1./dislist;%Eta为启发因子，这里设为距离的倒数
Tau=ones（CityNumCityNum）;%Tau为信息素矩阵
Tabu=zeros（mCityNum）;%存储并记录路径的生成
NC=1;%迭代计数器
R_best=zeros（NC_maxCityNum）; %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

figure（1）;
while NC<=NC_max %停止条件之一：达到最大迭代次数
    %将m只蚂蚁放到CityNum个城市上
    Randpos=[];
    for i=1:（ceil（m/CityNum））
        Randpos=[Randposrandperm（CityNum）];
    end
    Tabu（:1）=（Randpos（11:m））‘;
    
    %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:CityNum
        for i=1:m
            visited=Tabu（i1:（j-1））; %已访问的城市
            J=zeros（1（CityNum-j+1）

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

     文件       3435  2007-01-29 15:24  genetic_algorithm.m

     文件       2551  2006-12-20 15:44  ant_colony_system.m

     文件       2018  2006-12-19 17:30  hopfield_neuro_network.m

     文件        636  2006-12-13 16:33  drawTSP10.m

     文件       2626  2006-11-22 15:09  tabu_search.m

     文件       1742  2006-09-22 16:12  simulated_annealing.m

     文件        610  2006-09-22 14:15  drawTSP.m

     文件        169  2006-09-12 16:45  CalDist.m

     文件       2134  2006-09-12 10:40  tsp.m

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

                15921                    9