matlab解决旅行者问题的三种算法遗传算法，模拟退火算法，蚁群算法。附加图形化界面

旅行者问题的优化实现，三种算法通过一个图形化界面，可以进行动态演示比较。随机生成节点然后规划路径，注释充分！

function[R_bestL_bestL_aveShortest_RouteShortest_Length]=ASTSP（CNC_maxmAlphaBetap0Q）
%C n个城市的坐标，n*2矩阵（xy）
%NC_max最大迭代次数
%m 蚂蚁个数
%Alpha 表征信息素重要程度的参数
%Beta 表征启发式因子重要程度的参数
%p0 信息素蒸发系数
%Q 信息素增加强度系数
%R_best 各代最佳路线
%L_best 各代最佳路线的长度


%初始化1
n=size（C1）;%size（C1）返回C的行数，也就是城市个数，n表示城市个数
D=zeros（nn）;%D表示图的邻接矩阵，各点的值为每个点到每个点的权值
% 把坐标转换为邻接矩阵
for i=1:n
    for j=1:n
        if i~=j
            D（ij）=（（C（i1）-C（j1））^2+（C（i2）-C（j2））^2）^0.5;%简单地求两点之间的距离
        else
            D（ij）=eps;%应该赋值为0，但因为后面启发因子需要取倒数，所以用eps表示，eps为当发现某个值小于eps时，就把这个数当做0来处理
        end
        D（ji）=D（ij）;%对称矩阵
    end
end

%初始化2
%D直接传入邻接矩阵
% n=size（D1）;

QF=1./D;%Eta为启发因子矩阵，这里设为距离的倒数
XXS=ones（nn）;%XXS为信息素矩阵
JJtable=zeros（mn）;%存储并记录路径的生成，禁忌表，m为蚂蚁个数
NC=1;%迭代计数器，记录迭代次数
R_best=zeros（NC_maxn）;%迭代之后的每一代最佳路线
L_best=inf.*ones（NC_max1）;%各代最佳路线长度，初始化为无穷大
L_ave=zeros（NC_max1）;%各代路线的平均长度

while NC<=NC_max %迭代次数到最大停止
    %将m只蚂蚁放到n个城市上
    Randpos=[];%随机位置
    for i=1:（ceil（m/n））%ceil向正方向取整，求得最多安排几次
        Randpos=[Randposrandperm（n）];%randperm把1到n这些数随机打乱得到的一个数字序列，然后不断添加到Randpos中去
    end
    JJtable（:1）=（Randpos（11:m））‘;%Tabu（:1）表示Tabu第一行就是初始m只蚂蚁被随机分到所n城市中的一个
    
    %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%从所在城市的下一个城市开始
        for i=1:m
            visited=JJtable（i1:（j-1））;%记录已访问的城市，可避免重复访问
            ToVisitCity=zeros（1（n-j+1））;%待访问的城市待访问城市的数量为（n-j+1）
            P=ToVisitCity;%待访问的城市的选择概率分布
            count=1;%访问的城市个数
            for k=1:n
                if length（find（visited==k））==0%开始设置为0find（）语句找到visited中等于k的元素在数组visited中的位置，length如果为零就是visited中没有k元素，即没有访问过k城市。
                    ToVisitCity（count）=k;
                    count=count+1;
                end
            end
            
            %下面进行城市的概率分布
            for k=1:length（ToVisitCity）
                %visited（end）表示蚂蚁现在所在城市编号，ToVisitCity（k）表示下一个要访问的城市编号
                P（k）=（XXS（visited（end）ToVisitCity（k））^Alpha）*（QF（visited（end）ToVisitCity（k））^Beta）;
            end
            P=P/（sum（P））;%把各个路径概率统一到和为1
            
            %按概率原则选取下一个城市
            
            %蚂蚁要选择的下一个城市不是按最大概率，就是要用到轮盘法则，不然影响全局收缩能力，所以用到累积函数，Pcum=cumsum（P）
            Pcum=cumsum（P）;%cumsum，元素累加即求和，比如P=[0.1 0.5 0.4]，cumsum（P）=  [0.1000    0.6000    1.0000]
            Select=find（Pcum>=rand）;%若计算的概率大于原来的就选择这条路线
            %要选择其中总概率大于等于某一个随机数，找到大于等于这个随机数的城市的在J中的位置
            
            %轮盘法则，Select（1），1保证可以选到最大概率的城市，比如：p=[0.1 0.6 0.3]中间那个城市概率最大此时Pcum=[0.1  0.7  1]   Select =[2   3];  Select（1）=2中间那个城市概率最大
            to_visit=ToVisitCity（Select（1））;%提取这些城市的编号到to_visit中
            JJtable（ij）=to_visit;
        end
    end
    if NC>=2
        JJtable（1:）=R_best（NC-1:）;
    end
    
    %记录本次迭代最佳路线
    L=zeros（m1）;%记录本次迭代最佳路线的长度，每个蚂蚁都有自己走过的长度记录在向量L中开始距离为0，m*1的列向量
    for i=1:m
        R=JJtable（i:）;
        for j=1:（n-1）
            L（i）=L（i）+D（R（j）R（j+1））;%原距离加上第j个城市到第j+1个城市的距离
        end
        L（i）=L（i）+D（R

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       9215  2018-05-23 10:24  GUI.m

     文件       3531  2018-05-23 11:05  SATSP.m

     文件       5965  2018-05-23 10:53  ASTSP.m

     文件       6631  2018-05-23 16:08  GATSP.m

     文件      26687  2018-05-18 15:06  GUI.fig

----------- ---------  ---------- -----  ----

                52029                    5