蚁群算法TSP问题工具箱

功能比较齐全的蚁群算法工具箱，包含测试数据，自我介绍文件，对源数据进行处理的程序，对数据处理后可以使用蚁群算法进行TSP问题的研究，最后绘制路径图，本工具箱使用matlab代码编写。是你研究蚁群算法不可多得的助手。

function [Route_BestLength_BestLength_AverageShortest_RouteShortest_LengthTime]=ACMTSP（CityLoop_MaxAnt_CountAlphaBetaVolatileQ）
%%根据城市的坐标运行，使用蚁群算法求解最优化问题，并最后绘制运行结果的图形。
%%使用说明：[Route_BestLength_BestLength_AverageShortest_RouteShortest_Length]=ACMTSP（CityLoop_MaxAnt_CountAlphaBetaVolatileQ）
%% 主要符号说明
%%City_Count:城市的个数.
%% City:City_Count个城市的坐标，City_Count×2的矩阵.
%% Loop_Max:最大循环次数，即迭代的次数
%% Ant_Count:蚂蚁个数
%% Alpha:表征信息素重要程度的参数
%% Beta:表征启发因子（期望）重要程度的参数
%% Volatile：信息素挥发系数
%% Q：信息素强度的系数，一般是一个常量
%% Route_Best：代表最佳路线
%% Length_Best：代最佳路线的长度
%%Length_Average:代表平均路径长度
%%Shortest_Route：表示找到的最短的路径，其中包含城市节点序列
%%Shortest_Length：表示最短路径的长度
%%Time：程序运行时间，不包括绘图时间.
%%========================================================================= 

%第一步：变量初始化
City_Count=size（City1）;%City_Count表示问题的规模（城市个数）
D=zeros（City_CountCity_Count）;%D表示完全图的赋权邻接矩阵
for i=1:City_Count
    for j=1:City_Count
        if i~=j
            D（ij）=（（City（i1）-City（j1））^2+（City（i2）-City（j2））^2）^0.5;
        else
            D（ij）=eps; %i=j时不计算，应该为0，但后面的启发因子要取倒数，用eps（浮点相对精度）表示
        end
        D（ji）=D（ij）;   %对称矩阵
    end
end
%D表示城市之间的距离，D（i，j）表示第i个城市距离第j个城市之间的距离.
%D这个矩阵应该是对称的。
Expectation=1./D;%Eta为启发因子，这里设为距离的倒数
T_Pheromone=ones（City_CountCity_Count）;     %T_Pheromone为信息素矩阵
T_Ant_Passed=zeros（Ant_CountCity_Count）;   %存储并记录每个蚂蚁经过的路径
NC=1; %迭代计数器，记录迭代次数
Route_Best=zeros（Loop_MaxCity_Count）;%每代找到的最佳路线
Length_Best=inf.*ones（Loop_Max1）;   %每代最佳路线的长度
Length_Average=zeros（Loop_Max1）;        %每代路线的平均长度
tic
while NC<=Loop_Max        %停止条件之一：达到最大迭代次数，停止
    %%第二步：将m只蚂蚁放到n个城市上
    Rand_Position=[];   %随即存取
    for i=1:（ceil（Ant_Count/City_Count））
        Rand_Position=[Rand_Positionrandperm（City_Count）];
    end
    T_Ant_Passed（:1）=（Rand_Position（11:Ant_Count））‘;    %将蚂蚁放在城市上，并记录蚂蚁访问过的城市的编号    
    %%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:City_Count     %所在城市不计算
        for i=1:Ant_Count  
            visited=T_Ant_Passed（i1:（j-1））; %记录已访问的城市，避免重复访问
            No_Visited_City=zeros（1（City_Count-j+1））;       %待访问的城市
            P=No_Visited_City;                      %待访问城市的选择概率分布
            No_V_C_Count=1;
            for k=1:City_Count
                if isempty（find（visited==k 1））   %开始时置0
                    No_Visited_City（No_V_C_Count）=k;                    
                    No_V_C_Count=No_V_C_Count+1;  %访问的城市个数自加1
                end
            end
            %下面计算待选城市的概率分布
            for k=1:length（No_Visited_City）
                P（k）=（T_Pheromone（visited（end）No_Visited_City（k））^Alpha）*（Expectation（visited（end）No_Visited_City（k））^Beta）;
            end
            P=P/（sum（P））;
            %按概率原则选取下一个城市
            Pcum=cumsum（P）;    %cumsum，元素累加即求和
            Select=find（Pcum>=rand）; %若计算的概率大于原来的就选择这条路线
            %-------------------------
            %Select=find（P>=rand）; %若计算的概率大于原来的就选择这条路线
            %while（isempty（Select））
            %    Select=find（P>=r

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

     文件       6728  2010-11-25 01:05  ACS_Niu\ACMTSP.m

     文件       4981  2010-11-25 01:04  ACS_Niu\ACM_TSP_Dist.m

     文件        504  2010-11-25 00:32  ACS_Niu\GetMatrixByLowerDiag.m

     文件        631  2010-11-25 00:53  ACS_Niu\MatrixR17.mat

     文件        832  2010-11-25 00:53  ACS_Niu\MatrixR21.mat

     文件        319  2010-11-25 00:54  ACS_Niu\St70.mat

     目录          0  2010-11-25 01:08  ACS_Niu

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

                13995                    7