下面为改进的蚁群系统解决旅行商问题matlab源码,包括局部更新和全局更新,欢迎大家批评指正。
function [R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ACS(NC_max,m,Alpha,Beta,Rho,Q)
%%=========================================================================
% ACS.m
%%-------------------------------------------------------------------------
%% 主要符号说明
%% C n个城市的坐标,n×2的矩阵
%% NC_max 最大迭代次数 100
%% m 蚂蚁个数 50
%% Alpha 表征信息素重要程度的参数2
%% Beta 表征启发式因子重要程度的参数4
%% Rho 信息素蒸发系数0.1
%% Q 信息素增加强度系数 0.01
%% R_best 各代最佳路线
%% L_best 各代最佳路线的长度
%%=========================================================================
%%第一步:变量初始化
q0=0.9;
C=[5.294,1.558;4.286,3.622;4.719,2.774;4.185,2.230;0.915,3.821;4.771,6.041;1.524,2.871;3.447,2.111;3.718,3.665;2.649,2.556];
n=size(C,1); %*表示问题的规模(城市个数n)得到矩阵的行数n为10
D=zeros(n,n); %D表示完全图的赋权邻接矩阵 产生10*10矩阵,值全是0
for i=1:n
for j=1:n
if i~=j
D(i,j)=((C(i,1)-C(j,1))^2+(C(i,2)-C(j,2))^2)^0.5;
else
D(i,j)=eps;
end
D(j,i)=D(i,j);
end
end
Eta=1./D; %Eta为启发因子, 这里设为距离的倒数
Lnn=10;
TauStart=(1/(n*Lnn)).*ones(n,n); %TauStart为信息素有个初始值 Tau--->产生10*10行矩阵
Tabu=zeros(m,n); %存储并记录路径的生成 Tabu--->50*10矩阵
NC=1; %迭代计数器
R_best=zeros(NC_max,n); %各代最佳路线 100*10
L_best=inf.*ones(NC_max,1); %各代最佳路线的长度100*1
L_ave=zeros(NC_max,1); %各代路线的平均长度100*1
while NC<=NC_max %停止条件之一:达到最大迭代次数
%%第二步:将m(50)只蚂蚁放到n(10)个城市上
Randpos=[];
Tau=TauStart;
for i=1:(ceil(m/n)) %%m为50,n为10
Randpos=[Randpos,randperm(n)];
end
Tabu(:,1)=(Randpos(1,:)); %初始化禁忌表中第一个元素 矩阵的第一行赋值给另外一个矩阵的第一列
%%第三步: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:n
for i=1:m
%选择下一个访问的城市
visited=Tabu(i,1:(j-1)); %已访问的城市---城市序号 visited也是矩阵
J=zeros(1,(n-j+1)); %待访问的城市 J、P都是一行值为0的矩阵
P=J; %待访问城市的选择概率分布
Jc=1;
for k=1:n
if length(find(visited==k))==0
J(Jc)=k;
Jc=Jc+1;
end
end
for k=1:length(J)
P(k)=(Tau(visited(end),J(k))^Alpha)*(Eta(visited(end),J(k))^Beta);
end
q=rand();
if q<=q0
Select=find(P==max(P));
else
P=P/(sum(P));
Pcum=cumsum(P);
Select=find(Pcum>=rand);
end
to_visit=J(Select(1));
Tabu(i,j)=to_visit;
end
%信息素局部更新???????
Tau=(1-Rho).*Tau+Rho.*TauStart;
end
if NC>=2
Tabu(1,:)=R_best(NC-1,:);%上一代最短路径作为本代第一条路径
end
%%第四步:记录本次迭代最佳路线
L=zeros(m,1);
for i=1:m
R=Tabu(i,:);
for j=1:(n-1)
L(i)=L(i)+D(R(j),R(j+1));
end
L(i)=L(i)+D(R(1),R(n));
end
L_best(NC)=min(L);
pos=find(L==L_best(NC));
R_best(NC,:)=Tabu(pos(1),:);
L_ave(NC)=mean(L);
NC=NC+1;
%%第五步:更新全局信息素(增加了全局最短路径的信息素)
Delta_Tau=zeros(n,n);
for j=1:(n-1)
Delta_Tau(Tabu(pos(1),j),Tabu(pos(1),j+1))=Delta_Tau(Tabu(pos(1),j),Tabu(pos(1),j+1))+1/min(L);
end
Delta_Tau(Tabu(pos(1),n),Tabu(pos(1),1))=Delta_Tau(Tabu(pos(1),n),Tabu(pos(1),1))+1/min(L);
Tau=(1-Rho).*Tau+Rho.*Delta_Tau;
%%第六步:禁忌表清零
Tabu=zeros(m,n);
end
%%第七步:输出结果
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)
plot(L_best,'b')
hold on
plot(L_ave,'r')
title('平均距离和最短距离');
disp('最短距离为:')
disp(min(L_best));
num=find(min(L_best)==L_best);
disp('最短路径是:')
disp(R_best(num(1),:))
function DrawRoute(C,R)
%%====================================================================
%% DrawRoute.m
%% 画路线图的子函数
%%--------------------------------------------------------------------
%% C Coordinate 节点坐标,由一个N×2的矩阵存储
%% R Route 路线
%%====================================================================
N=length(R);
scatter(C(:,1),C(:,2));
hold on
plot([C(R(1),1),C(R(N),1)],[C(R(1),2),C(R(N),2)],'g')
hold on
for ii=2:N
plot([C(R(ii-1),1),C(R(ii),1)],[C(R(ii-1),2),C(R(ii),2)],'g')
hold on
end
title('旅行商问题优化结果');