蟻群算法matlab程序代碼

1、先新建一個(gè)主程序M文件 ACATSP.m代碼如下：function R_best,L_best,L_ave,Shortest_Route,Shortest_Length=ACATSP(C,NC_max,m,Alpha,Beta,Rho,Q)%=%主要符號(hào)說(shuō)明% C n個(gè)城市的坐標(biāo)，nx2的矩陣% NC_max蟻群算法MATLA的序最大迭代次數(shù)% m螞蟻個(gè)數(shù)% Alpha表征信息素重要程度的參數(shù)% Beta表征啟發(fā)式因子重要程度的參數(shù)% Rho信息素蒸發(fā)系數(shù)% Q表示蟻群算法MATLA睢序信息素增加強(qiáng)度系數(shù)% R_best各代最佳路線% L_best各代最佳路線的長(zhǎng)度%=%蟻群算法MATLAI&

2、#174;序第一步：變量初始化n=size(C,1);%n表示問(wèn)題的規(guī)模(城市個(gè)數(shù))D=zeros(n,n);%D 表示完全圖的賦權(quán)鄰接矩陣for i=1:nfor j=1:nif i=jD(i,j)=(C(i,1)-C(j,1)A2+(C(i,2)-C(j,2)A2)A0.5;elseD(i,j)=eps;% i = j時(shí)不計(jì)算，應(yīng)該為 0,但后面的啟發(fā)因子要取倒數(shù)，用eps (浮點(diǎn)相對(duì)精度)表示endD(j,i)=D(i,j);endendEta=1./D;Tau=ones(n,n);Tabu=zeros(m,n);NC=1;R_best=zeros(NC_max,n);L_best=in

3、f.*ones(NC_max,1);L_ave=zeros(NC_max,1);%對(duì)稱(chēng)矩陣%Eta為啟發(fā)因子，這里設(shè)為距離的倒數(shù)%Tau為信息素矩陣%存儲(chǔ)并記錄路徑的生成%迭代計(jì)數(shù)器，記錄迭代次數(shù)%各代最佳路線%各代最佳路線的長(zhǎng)度%各代路線的平均長(zhǎng)度while NC<=NC_max%停止條件之一：達(dá)到最大迭代次數(shù)，停止%蟻群算法 MATLAI®序第二步：將m只螞蟻放到n個(gè)城市上Randpos=;%隨即存取for i=1:(ceil(m/n)Randpos=Randpos,randperm(n);endTabu(:,1)=(Randpos(1,1:m)'% 此句不太理解？

4、%蟻群算法 MATLA翅序第三步：m只螞蟻按概率函數(shù)選擇下一座城市，完成各自的周游for j=2:n%所在城市不計(jì)算for i=1:mvisited=Tabu(i,1:(j-1);%記錄已訪問(wèn)的城市，避免重復(fù)訪問(wèn)J=zeros(1,(n-j+1);%待訪問(wèn)的城市P=J;%待訪1可城市的選擇概率分布Jc=1;for k=1:nif length(find(visited=k)=0%開(kāi)始時(shí)置 0J(Jc)=k;Jc=Jc+1;% 訪問(wèn)的城市個(gè)數(shù)自加 1endend%下面計(jì)算 蟻群算法 MATLA睢序待選城市的概率分布for k=1:length(J)P(k)=(Tau(visited(end),J

5、(k)AAlpha)*(Eta(visited(end),J(k)ABeta);endP=P/(sum(P);%按概率原則選取下一個(gè)城市Pcum=cumsum(P);%cumsum ,元素累加即求和Select=find(Pcum>=rand);%若計(jì)算的概率大于原來(lái)的就選擇這條路線to_visit=J(Select(1);Tabu(i,j)=to_visit;endendif NC>=2Tabu(1,:)=R_best(NC-1,:);end%蟻群算法MATLA的序第四步：記錄本次迭代最佳路線L=zeros(m,1);%開(kāi)始距離為0, m*1的列向量for i=1:mR=Tabu

6、(i,:);for j=1:(n-1)L(i)=L(i)+D(R(j),R(j+1);%原距離加上第j個(gè)城市到第j+1個(gè)城市的距離endL(i)=L(i)+D(R (1) ,R(n);一輪下來(lái)后走過(guò)的距離%最佳距離取最小%此輪迭代后的最佳路線%此輪迭代后的平均距離%迭代繼續(xù)endL_best(NC)=min(L);pos=find(L=L_best(NC);R_best(NC,:)=Tabu(pos(1),:);L_ave(NC)=mean(L);NC=NC+1%蟻群算法MATLAI®序第五步：更新信息素Delta_Tau=zeros(n,n);%開(kāi)始時(shí)信息素為 n*n的0矩陣for

7、 i=1:m for j=1:(n-1)Delta_Tau(Tabu(i,j),Tabu(i,j+1)=Delta_Tau(Tabu(i,j),Tabu(i,j+1)+Q/L(i);%此次循環(huán)在路徑(i, j)上的信息素增量 endDelta_Tau(Tabu(i,n),Tabu(i,1)=Delta_Tau(Tabu(i,n),Tabu(i,1)+Q/L(i);%此次循環(huán)在整個(gè)路徑上的信息素增量endTau=(1-Rho).*Tau+Delta_Tau;%考慮信息素?fù)]發(fā)，更新后的信息素%蟻群算法MATLAI®序第六步：禁忌表清零Tabu=zeros(m,n);%直到最大迭代次數(shù)en

8、d%蟻群算法 MATLA曜序第七步：輸出結(jié)果Pos=find(L_best=min(L_best);Shortest_Route=R_best(Pos(1),:)Shortest_Length=L_best(Pos(1)subplot(1,2,1)DrawRoute(C,Shortest_Route)subplot(1,2,2)%找到最佳路徑(非 0為真)%最大迭代次數(shù)后最佳路徑%最大迭代次數(shù)后最短距離%繪制第一個(gè)子圖形%畫(huà)路線圖的子函數(shù)%繪制第二個(gè)子圖形plot(L_best)hold on%保持圖形plot(L_ave,'r')title('平均距離和最短距離

9、9;)%標(biāo)題建立一個(gè)子程序 DrawRoute.m代碼如下：function DrawRoute(C,R)%= =% DrawRoute.m%畫(huà)路線圖的子函數(shù)% C Coordinate 節(jié)點(diǎn)坐標(biāo)，由一個(gè) NX2的矩陣存儲(chǔ)% R Route 路線%=N=length(R);scatter(C(:,1),C(:,2);hold onplot(C(R(1),1),C(R(N),1),C(R (1) ,2),C(R(N),2),'g')hold onfor ii=2:Nplot(C(R(ii-1),1),C(R(ii),1),C(R(ii-1),2),C(R(ii),2),'

10、g')hold onendtitle('旅行商問(wèn)題優(yōu)化結(jié)果')需要輸入的參數(shù)數(shù)據(jù)有：C: n個(gè)城市的坐標(biāo)，n x 2的矩陣NC_max:蟻群算法MATLABg序最大 迭代次數(shù)M:螞蟻個(gè)數(shù)Alpha:表征信息素重要程度的參數(shù)Beta:表征啟發(fā)式因子重要程度的參 數(shù)Rho:信息素蒸發(fā)系數(shù)Q:表示蟻群算法MATLAB程序信息素 增加強(qiáng)度系數(shù)運(yùn)行時(shí)打開(kāi)ACATSP.m 點(diǎn)擊運(yùn)行 或輸入 ACATSP(C,NC_max,m,Alpha,Beta,Rho,Q)一個(gè)運(yùn)行實(shí)例：m=31;Alpha=1;Beta=5;Rho=0.1;NC_max=200;Q=100;31都市坐標(biāo)為：1304 23123639 13154177 22443712 13993488 15353326 15563238 12294196 10044312 7904386 5703007 19702562 1