TSP的各种算法遗传、蚁群，禁忌搜索，模拟退火

解决TSP的各种算法（遗传、蚁群，禁忌搜索，模拟退火等等）

%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））;%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:CityNum
                if length（find（visited==k））==0
                    J（Jc）=k;
                    Jc=Jc+1;
                end
            end
            %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
    if NC>=2
        Tabu（1:）=R_best（NC-1:）;
    end
    %记录本次迭代最佳路线
    L=zeros（m1）;
    for i=1:m
        R=Tabu（i:）;
        L（i）=CalDist（dislistR）;
    end
    L_best（NC）=min（L）;
    pos=find（L==L_best（NC））;
    R_best（NC:）=Tabu（pos（1）:）;
    L_ave（NC）=mean（L）;
    drawTSP（ClistR_best（NC:）L_best（NC）NC0）;
    NC=NC+1;
    %更新信息素
    Delta_Tau=zeros（CityNumCityNum）;
    for i=1:m
        for j=1:（CityNum-1）
            Delta_Tau（Tabu（ij）Tabu（ij+1））=Delta_Tau（Tabu（ij）Tabu（ij+1））+Q/L（i）;
        end
        Delta_Tau（Tabu（iCityNum）Tabu（i1））=Delta_Tau（Tabu（iCityNum）Tabu（i1））+Q/L（i）;
    end
    Tau=（1-Rho）.*Tau+Delta_Tau;
    Tabu=zeros（mCityNum）; %禁忌表清零
    %pause;
end

%输出结果
Pos=find（L_best==min（L_best））;
Shortest_Route=R_best（Pos（1）:）;
Shortest_Length=L_best（Pos（1））;
figure（2）;
plot（[L_best L_ave]）;
legend（‘最短距离‘‘平均距离‘）;

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

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

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

     文件        708  2009-09-27 20:51  TSP\drawTSP.asv

     文件        688  2009-09-27 16:58  TSP\drawTSP.m

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

     文件       3937  2009-10-23 22:40  TSP\genetic_algorithm.asv

     文件       3934  2009-10-23 16:57  TSP\genetic_algorithm.m

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

     文件       8655  2009-01-01 19:12  TSP\mtspv_ga.m

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

     文件       2641  2009-05-13 15:35  TSP\tabu_search.m

     文件        137  2009-09-28 09:43  TSP\test.m

     文件         70  2009-09-28 09:14  TSP\Test2.m

     文件        104  2009-10-22 21:07  TSP\test3.m

     文件         55  2009-10-23 15:19  TSP\test4.m

     文件         64  2009-10-24 17:22  TSP\test5.m

     文件        140  2009-09-27 20:34  TSP\tset

     文件       2162  2009-10-22 20:15  TSP\tsp.m

     目录          0  2009-11-17 01:41  TSP

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

                30411                    19