蚁群算法在去掉回路的TSP问题中应用PY

# -*- coding: utf-8 -*-
import random
import copy
import time
import sys
import math
import tkinter
import threading
from functools import reduce

# 参数
（ALPHA BETA RHO Q） = （1.0 2.0 0.5 100.0）

# 站点坐标
distance_x = [30135125200220300350400480530]
distance_y = [500550470450510480290200220300]
# 站点数，蚁群
（station_num ant_num） = （len（distance_x） 50）
# 站点距离和信息素
distance_graph = [[0.0 for col in range（station_num）] for raw in range（station_num）]
pheromone_graph = [[1.0 for col in range（station_num）] for raw in range（station_num）]


# ----------- 蚂蚁 -----------
class Ant（object）:
    # 初始化
    def __init__（self ID）:

        self.ID = ID  # ID
        self.__clean_data（）  # 随机初始化出生点

    # 初始数据
    def __clean_data（self）:

        self.path = []  # 当前蚂蚁的路径
        self.total_distance = 0.0  # 当前路径的总距离
        self.move_count = 0  # 移动次数
        self.current_station = 0  # 当前停留的站点
        self.open_table_station = [True for i in range（station_num）]  # 探索站点的状态

        station_index = 0 # 出生点
        self.current_station = station_index
        self.path.append（station_index）
        self.open_table_station[station_index] = False

    # 选择下一个站点
    def __choice_next_station（self）:

        next_station = -1
        select_stations_prob = [0.0 for i in range（station_num）]
        total_prob = 0.0

        # 获取去下一个站点的概率
        for i in range（station_num）:
            if self.open_table_station[i]:
                try:
                    # 计算概率：与信息素浓度成正比，与距离成反比
                    select_stations_prob[i] = pow（pheromone_graph[self.current_station][i] ALPHA） * pow（
                        （1.0 / distance_graph[self.current_station][i]） BETA）
                    total_prob += select_stations_prob[i]
                except ZeroDivisionerror as e:
                    print（‘Ant ID: {ID} current station: {current} target station: {target}‘.format（ID=self.ID
                                                                                                current=self.current_station
                                                                                                target=i））
                    sys.exit（1）

        # 轮盘选择站点
        if total_prob > 0.0:
            # 产生一个随机概率
            temp_prob = random.uniform（0.0 total_prob）
            for i in range（station_num）:
                if self.open_table_station[i]:
                    # 轮次相减
                    temp_prob -= select_stations_prob[i]
                    if temp_prob < 0.0:
                        next_station = i
                        break

        # 未从概率产生，顺序选择一个未访问站点             
        if next_station == -1:
            for i in range（station_num）:
                if self.open_table_station[i]:
                    next_station = i
                    break

        # 返回下一个站点序号
        return next_station

    # 计算路径总距离
    def __cal_total_distance（self）: