基本蟻群算法matlab

1、基本蟻群算法 matlab 實現(xiàn)function R_best,L_best,L_ave,Shortest_Route,Shortest_Length = AC( C, NC_Max,m,Alpha,Beta,Rho,Q)%主要符號說明%C n 個城市的坐標， n*2 矩陣%NC_Max 最大循環(huán)次數(shù)%m 螞蟻個數(shù)% Alpha 信息素重要程度的參數(shù)%Beta 能見度重要程度的參數(shù)%Rho 信息素蒸發(fā)系數(shù) 1-Rho 為協(xié)同因子% Q 信息素增加強度系數(shù)% R_best 每次循環(huán)的最佳路線 NC_Max*n% L_best 每次循環(huán)的最短路徑 NC_Max*1%=% i，j 表示邊 k 表示螞

2、蟻% 第一步 %變量初始化 %n=size(C,1); % n 表示問題的規(guī)模(城市的個數(shù))D=zeros(n,n); %D 表示完全圖的距離的鄰接矩陣for i = 1:nfor j = 1:nif i = jD(i,j)=(C(i,1)-C(j,1)A2+(C(i,2)-C(j,2)F2F0.5;elseD(i,j)=eps;%距離為很小的 0，因為距離不能等于0endD(j,i)=D(i,j); % 對稱矩陣，問題是已經(jīng)知道是對稱了 ，這句還有必要嗎 endendEta=1./D; %Eta 為距離的倒數(shù)，能見度% 更改 Eta 是否可行 , 有待測試%Eta = 100./ ( D +

3、 50 - rem(fix(D), 50) ) ;Trace=ones(n,n); %Trace 為信息素矩陣，初始為 1NC=1;R_best=zeros(NC_Max,n); %R_best 為每次循環(huán)的最佳路線 ,初始化為 0L_best = inf.*ones(NC_Max,1); % L_best 為每次循環(huán)的最短路徑，初始化為無窮大Randpos=;%Randpos 存儲螞蟻的位置 m*1for i=1:(ceil(m/n) %ceil 是向上取整Randpos=Randpos,randperm(n);endTabu=zeros(m,n); %Tabu 為存儲每個螞蟻路徑 ,初始為

4、 0 ,同時也是清空禁忌表 Tabu(:,1)=(Randpos(1,1:m)' %初始化禁忌表%第二步將 m 只螞蟻放在 n 個城市上 ,初始化禁忌表 % while(NC<=NC_Max)%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，進行一次循 環(huán)%循環(huán)結(jié)構(gòu)為，每只螞蟻移動一條邊，共移動n-1 條邊，最后一條邊為回來的一條邊f(xié)or i=2:n%一次循環(huán)， m 只螞蟻需進行 n-1 次迭代for k=1:m % 每只螞蟻都需選擇 visited=Tabu(k,1:(i-1); %visited 存儲第 k 只螞蟻已經(jīng)訪問過的城市，避免重復訪 問， visite

5、d 為行向量J=zeros(1,(n-i+1); %J 為待訪問的城市， J 為行向量P=J; %待訪問城市的選擇概率分布，設(shè)概率函數(shù)Ps=1;%將待訪問的城市存儲在J( s)for j=1:nif length(find(visited=j)=0 % 開始時置 0J(s)=j;s=s+1;endend%將待訪問的城市存儲在J( s)%下面計算待選城市的概率分布 for j=1:length(J)P(j)=(Trace(visited(e nd),J(j)AAIpha)*(Eta(visited(e nd),J(j)FBeta);endP=P/(sum(P); %sum(P) 是標量，作為除數(shù)

6、，矩陣除和數(shù)組除結(jié)果一樣 % 按概率原則選取下一個城市Pcum=cumsum(P); %cumsum,元素累加求和，累加和Select=find(Pcum>=rand);% 這就是所謂的根據(jù)概率隨機選擇to_visit=J(Select(1);Tabu(k,i)=to_visit;%將選擇的城市 to_visit 插入禁忌表endend%對Tabu進行賦值運算后，下一次保留上一次的最好路線，故令Tabu (1，:為最好路線% % % % % % % % % % % % % % % % if NC>=2% % % % % % % % % % % % % % % %Tabu(1,:)=

7、R_best(NC-1,:);% % % % % % % % % % % % % % % % end% 第四步 計算最短路徑和信息素的改變量 %L=zeros(m,1); % 初始距離為 0， m*1 矩陣 %計算每次螞蟻的距離 for k=1:mR=Tabu(k,:);for i=1:(n-1)L(k)=L(k)+D(R(i),R(i+1);endL(k)=L(k)+D(R(n),R(1);endL_best(NC)=min(L); % 第 NC 次循環(huán)的最短路徑% 最佳路線pos=find(L=L_best(NC); % 找出第 pos 只螞蟻R_best(NC,:)=Tabu(pos(1

8、),:);%第 NC 次循環(huán)的最佳路線L_ave(NC)=mean(L);% 平均距離% 信息素的改變量Delta_Trace=zeros(n,n); % 初始信息素改變量為 0for k=1:mfor i=1:(n-1) Delta_Trace(Tabu(k,i),Tabu(k,i+1)=Delta_Trace(Tabu(k,i),Tabu(k,i+1)+Q/L(k);end Delta_Trace(Tabu(k,n),Tabu(k,1)=Delta_Trace(Tabu(k,n),Tabu(k,1)+Q/L(k);end%更新了從1-2,2-3,n -1這n條邊上的信息素%第五步 計算每條

9、邊上的信息素，并每次循環(huán)更新信息素 Trace=(1-Rho)*Trace+Delta_Trace;% 可以更改此處， 但是需要測試 % Trace(find(Trace < 0.00001 ) = 0.00001 ;Trace(find(Trace > 50) = 50 ; % %Tabu(: , 2 : n) = 0 ;% Tabu(1 , :) = R_best(NC, :) ;NC=NC+1;endTrace % 第六步 輸出結(jié)果 Pos=find(L_best=min(L_best) ; % 找到最佳路徑 Shortest_Route=R_best(Pos(1),:);S

10、hortest_Length=L_best(Pos(1)save Short_Length.mat Shortest_Lengthsubplot(1,2,1) % 繪制第一個子圖形 % DrawRoute(C,Shortest_Route) %畫路線圖的子函數(shù)%subplot(1,2,2)plot(L_best)hold onplot(L_ave,'r')title(' 迭代中平均距離和最短距離 ')function DrawRoute(C,Shortest_Route)% %DrawRoute.m% % 畫路線圖的子函數(shù)% % C 節(jié)點坐標， N*2 矩陣% % R 路線%N=length(Shortest_Route);scatter(C(:,1),C(:,2);%描繪散點圖，以C(:,1)為橫坐標，以 C(:,2)為縱坐標hold onplot(C(Shortest_Route(1),1),C(Shortest_Route(N),1),C(Shortest_Route(1),2),C(Shortest_Route (N),2),'g')ho