建立m文件

function [R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ACATSP(C,NC_max,m,Alpha,Beta,Rho,Q)

%%-------------------------------------------------------------------------

%% 主要符號說明

%% C n個城市的坐標，n×2的矩陣

%% NC_max 最大迭代次數

%% m 螞蟻個數

%% Alpha 表征信息素重要程度的參數

%% Beta 表征啟發式因子重要程度的參數

%% Rho 信息素蒸發系數

%% Q 信息素增加強度系數

%% R_best 各代最佳路線

%% L_best 各代最佳路線的長度

%%=========================================================================

%%第一步：變量初始化

n=size(C,1);%n表示問題的規模(城市個數)

D=zeros(n,n);%D表示完全圖的賦權鄰接矩陣

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; %i=j時不計算，應該為0，但后面的啟發因子要取倒數，用eps(浮點相對精度)表示

end

D(j,i)=D(i,j); %對稱矩陣

end

end

Eta=1。

/D; %Eta為啟發因子，這里設為距離的倒數

Tau=ones(n,n); %Tau為信息素矩陣

Tabu=zeros(m,n); %存儲并記錄路徑的生成

NC=1; %迭代計數器，記錄迭代次數

R_best=zeros(NC_max,n); %各代最佳路線

L_best=inf。

*ones(NC_max,1); %各代最佳路線的長度

L_ave=zeros(NC_max,1); %各代路線的平均長度

while NC=rand); %若計算的概率大于原來的就選擇這條路線

to_visit=J(Select(1));

Tabu(i,j)=to_visit;

end

end

if NC>=2

Tabu(1,:)=R_best(NC-1,:);

end

%%第四步：記錄本次迭代最佳路線

L=zeros(m,1); %開始距離為0，m*1的列向量

for i=1:m

R=Tabu(i,:);

for j=1:(n-1)

L(i)=L(i) D(R(j),R(j 1)); %原距離加上第j個城市到第j 1個城市的距離

end

L(i)=L(i) D(R(1),R(n)); %一輪下來后走過的距離

end

L_best(NC)=min(L); %最佳距離取最小

pos=find(L==L_best(NC));

R_best(NC,:)=Tabu(pos(1),:); %此輪迭代后的最佳路線

L_ave(NC)=mean(L); %此輪迭代后的平均距離

NC=NC 1 %迭代繼續

%%第五步：更新信息素

Delta_Tau=zeros(n,n); %開始時信息素為n*n的0矩陣

for 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);

%此次循環在路徑(i，j)上的信息素增量

end

Delta_Tau(Tabu(i,n),Tabu(i,1))=Delta_Tau(Tabu(i,n),Tabu(i,1)) Q/L(i);

%此次循環在整個路徑上的信息素增量

end

Tau=(1-Rho)。

*Tau Delta_Tau; %考慮信息素揮發，更新后的信息素

%%第六步：禁忌表清零

Tabu=zeros(m,n); %%直到最大迭代次數

end

%%第七步：輸出結果

Pos=find(L_best==min(L_best)); %找到最佳路徑(非0為真)

Shortest_Route=R_best(Pos(1),:) %最大迭代次數后最佳路徑

Shortest_Length=L_best(Pos(1)) %最大迭代次數后最短距離

subplot(1,2,1) %繪制第一個子圖形

DrawRoute(C,Shortest_Route) %畫路線圖的子函數

subplot(1,2,2) %繪制第二個子圖形

plot(L_best)

hold on %保持圖形

plot(L_ave,'r')

title('平均距離和最短距離') %標題

function DrawRoute(C,R)

%%=========================================================================

%% DrawRoute。

m

%% 畫路線圖的子函數

%%-------------------------------------------------------------------------

%% C Coordinate 節點坐標，由一個N×2的矩陣存儲

%% R Route 路線

%%=========================================================================

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('旅行商問題優化結果 ')

建m文件

function DrawRoute(C,R)

%%=========================================================================

%% DrawRoute。

m

%% 畫路線圖的子函數

%%-------------------------------------------------------------------------

%% C Coordinate 節點坐標，由一個N×2的矩陣存儲

%% R Route 路線

%%=========================================================================

N=length(R);

scatter(C(:,1),C(:,2));%畫散點圖

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('TSP問題優化結果 ')

命令窗口運行

C=[1304 2312

3639 1315

4177 2244

3712 1399

3488 1535

3326 1556

3238 1229

4196 1004

4312 790

4386 570

3007 1970

2562 1756

2788 1491

2381 1676

1332 695

3715 1678

3918 2179

4061 2370

3780 2212

3676 2578

4029 2838

4263 2931

3429 1908

3507 2367

3394 2643

3439 3201

2935 3240

3140 3550

2545 2357

2778 2826

2370 2975

];

m=31;Alpha=1;Beta=5;Rho=0。

1;NC_max=200;Q=100;

[R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ACATSP(C,NC_max,m,Alpha,Beta,Rho,Q)。

全部

總結

以上是生活随笔為你收集整理的matlab 旅行商遗传算法,急求蚁群混合遗传算法在matlab上的实现以解决TSP旅行商的问? 爱问知识人...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。