蚁群算法用法

%% I. 清空环境变量
clear all
clc

%% II. 导入数据
load citys_data.mat

%% III. 计算城市间相互距离
n = size（citys1）;
D = zeros（nn）;
for i = 1:n
    for j = 1:n
        if i ~= j
            D（ij） = sqrt（sum（（citys（i:） - citys（j:））.^2））;
        else
            D（ij） = 1e-4;      
        end
    end    
end

%% IV. 初始化参数
m = 50;                              % 蚂蚁数量
alpha = 1;                           % 信息素重要程度因子
beta = 5;                            % 启发函数重要程度因子
rho = 0.1;                           % 信息素挥发因子
Q = 1;                               % 常系数
Eta = 1./D;                          % 启发函数
Tau = ones（nn）;                     % 信息素矩阵
Table = zeros（mn）;                  % 路径记录表
iter = 1;                            % 迭代次数初值
iter_max = 200;                      % 最大迭代次数 
Route_best = zeros（iter_maxn）;      % 各代最佳路径       
Length_best = zeros（iter_max1）;     % 各代最佳路径的长度  
Length_ave = zeros（iter_max1）;      % 各代路径的平均长度  

%% V. 迭代寻找最佳路径
while iter <= iter_max
     % 随机产生各个蚂蚁的起点城市
      start = zeros（m1）;
      for i = 1:m
          temp = randperm（n）;
          start（i） = temp（1）;
      end
      Table（:1） = start; 
      citys_index = 1:n;
      % 逐个蚂蚁路径选择
      for i = 1:m
          % 逐个城市路径选择
         for j = 2:n
             tabu = Table（i1:（j - 1））;           % 已访问的城市集合（禁忌表）
             allow_index = ~ismember（citys_indextabu）;
             allow = citys_index（allow_index）;  % 待访问的城市集合
             P = allow;
             % 计算城市间转移概率
             for k = 1:length（allow）
                 P（k） = Tau（tabu（end）allow（k））^alpha * Eta（tabu（end）allow（k））^beta;
             end
             P = P/sum（P）;
             % 轮盘赌法选择下一个访问城市
             Pc = cumsum（P）;     
            target_index = find（Pc >= rand）; 
            target = allow（target_index（1））;
            Table（ij） = target;
         end
      end
      % 计算各个蚂蚁的路径距离
      Length = zeros（m1）;
      for i = 1:m
          Route = Table（i:）;
          for j = 1:（n - 1）
              Length