旅行商问题中国34省会的

中国34省会旅行商问题，最优路径求解，不同于一般的31省会 设计比较简单 大家可以讨论讨论

#include 
#include 
#include 
#include 
#include 
using namespace std;

const int iAntCount = 34;//蚂蚁数量
const int iCityCount = 34;//城市数量
const int iItCount = 10000;//最大跌代次数
const double Q = 100;//每只蚂蚁周游一遍留下的信息素总量
const double alpha = 1;//信息素浓度所起作业的程序
const double beta = 5;//期望值所起作用的程度
double rou = 0.5;//挥发系数
int besttour[iCityCount];//最优路径列表
int count=0;//记录连续多少代没有产生更优的解
double  rnd（double lowdouble uper）//获得随机数 范围为 [low uper]
{
	double p = （rand（）/（double）RAND_MAX）*（（uper）-（low））+（low）;
	return p;
};

int rnd（int uper）	//返回[0uper]之间的整数
{
	return （rand（）%uper）;
};
class GInfo {//tsp地图信息，包含了信息素，城市距离，和信息素变化矩阵
public: 
	double m_dDeltTrial[iCityCount][iCityCount]; //信息素变化矩阵
	double m_dTrial[iCityCount][iCityCount]; //信息素
	double distance[iCityCount][iCityCount]; //城市距离
};
GInfo Map;	//地图
class ant {	//蚂蚁类
private:
	int ChooseNextCity（）;//选择城市
	int m_iCityCount;	//已走过的城市个数
	int AllowedCity[iCityCount];//没有走过的城市
public:
	void addcity（int city）; //把城市放到已走过的路数组中
	int tabu[iCityCount];/*记录蚂蚁行走顺序*/
	void Reset（）;  //重置
	void UpdateLength（）; //更新路径长度
	double m_dLength;	//路径长度
	void mov（）;			//直到下一步
	ant（）;
	double AntProduct（ int from int to ）;	//蚂蚁在from和to城市之间的路线上撒下的信息素
};
void ant::Reset（）
{
	int i;
	m_dLength=0;

	for（i=0; i		AllowedCity[i]=1;
	}

	i=tabu[iCityCount-1];  //从终点城市返回
	m_iCityCount=0;
	addcity（i）;
}
ant::ant（）
{
	int i;
	m_dLength=0;
	m_iCityCount=0;

	for（i=0;i		AllowedCity[i]=1;/*一开始每个城市都可访问*/
	}
}
void ant::addcity（int city）
{
	tabu[m_iCityCount]=city; //记录city为走过的城市
	m_iCityCount++;
	AllowedCity[city]=0;
}
double ant::AntProduct（int from int to ）
{
	double p;
	p=pow（（1.0/Map.distance[from][to]）beta）*pow（（Map.m_dTrial[from][to]）alpha）;	//转移期望
	if（ p<=0）p=rnd（01）*pow（ （1.0 / Map.distance[from][to]） beta）;  //如果没有其他蚂蚁走过，就按距离选择
	return p;
}
int ant::ChooseNextCity（）
{
	int ito=-1;	//to为下一个要到的城市
	double hormone=0;	//信息总量
	int curCity=tabu[m_iCityCount-1];	//当前城市

	if（count<6）	//如果没有产生最优解的代数不超过6，则断续按信息素的浓度选择城市
	{
		for （i=0;i			if（（AllowedCity[i]==1）） {
				hormone += AntProduct（curCityi）;//计算信息总量
			}
		}

		if（hormone==0.0）
		{
			to=rnd（iCityCount）;	//如果所有的城市都走完一遍，则随意先一个城市
		}
		else
		{
			for（to=0;to			{
				double p;
				if（AllowedCity[to]==1）
				{
					p=AntProduct（curCityto）/hormone;
					if（rnd（01）						break;
				}
			}
		}
		if（to==iCityCount）
		{
			hormone=-1;
			for（i=0;i				if（AllowedCity[i]==1）
				{
					if （hormone						hormone=AntProduct（curCityi）;	//如果上一步选择失败，则选择具有最大信息量的城市
						to=i;
					}
				}
		}
	}
	
	if（count>=6）	//当连续6代都没有产生更短的路径，则
	{
		for （ i=0;i			if（（AllowedCity[i]==1）） {
				to=i;
				count=0;
				rou=0.5;
				if（rnd（0.01.0）>0.5）	//随机选择一个还没访问的城市
			

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

     文件        644  2014-01-15 10:33  蚁群算法2\data.txt

     文件      82944  2014-01-15 10:57  蚁群算法2\Debug\vc60.idb

     文件     110592  2014-01-15 10:55  蚁群算法2\Debug\vc60.pdb

     文件     561207  2014-01-15 10:55  蚁群算法2\Debug\蚁群算法2.exe

     文件     762328  2014-01-15 10:55  蚁群算法2\Debug\蚁群算法2.ilk

     文件     293838  2014-01-15 10:55  蚁群算法2\Debug\蚁群算法2.obj

     文件    2116968  2014-01-15 10:00  蚁群算法2\Debug\蚁群算法2.pch

     文件    1074176  2014-01-15 10:55  蚁群算法2\Debug\蚁群算法2.pdb

     文件        943  2014-01-15 10:58  蚁群算法2\fout.txt

     文件     249368  2014-01-15 10:58  蚁群算法2\result.txt

     文件       9094  2014-01-15 10:55  蚁群算法2\蚁群算法2.cpp

     文件       4322  2014-01-15 11:03  蚁群算法2\蚁群算法2.dsp

     文件        526  2014-01-15 10:00  蚁群算法2\蚁群算法2.dsw

     文件      33792  2014-01-15 11:03  蚁群算法2\蚁群算法2.ncb

     文件      48640  2014-01-15 11:03  蚁群算法2\蚁群算法2.opt

     文件       1299  2014-01-15 10:55  蚁群算法2\蚁群算法2.plg

     目录          0  2014-01-15 10:55  蚁群算法2\Debug

     目录          0  2014-01-15 11:03  蚁群算法2

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

              5350681                    18